machine-learning - 如何使用 tf.metrics.accuracy？

Question

我想使用tf.metrics.accuracy跟踪我的预测的准确性，但我不确定如何使用函数返回的 update_op(acc_update_op):

accuracy, acc_update_op = tf.metrics.accuracy(labels, predictions)

我认为将其添加到 tf.GraphKeys.UPDATE_OPS 中会有意义，但我不确定如何执行此操作。

Answer 1

tf.metrics.accuracy 是众多流式度量 TensorFlow 操作之一(其中另一个是 tf.metrics.recall )。创建后，将创建两个变量(count 和 total)，以便累积所有传入结果以获得一个最终结果。第一个返回值是用于计算计数/总计的张量。返回的第二个操作是更新这些变量的有状态函数。在评估分类器对多批数据的性能时，流式度量函数非常有用。一个简单的使用示例:

# building phase
with tf.name_scope("streaming"):
    accuracy, acc_update_op = tf.metrics.accuracy(labels, predictions)

test_fetches = {
    'accuracy': accuracy,
    'acc_op': acc_update_op
}

# when testing the classifier    
with tf.name_scope("streaming"):
    # clear counters for a fresh evaluation
    sess.run(tf.local_variables_initializer())

for _i in range(n_batches_in_test):
    fd = get_test_batch()
    outputs = sess.run(test_fetches, feed_dict=fd)

print("Accuracy:", outputs['accuracy'])

I was thinking that adding it to tf.GraphKeys.UPDATE_OPS would make sense, but I am not sure how to do this.

除非您仅将 UPDATE_OPS 集合用于测试目的，否则这不是一个好主意。通常，集合已经具有用于训练阶段的某些控制操作(例如移动批量归一化参数)，这些操作并不意味着与验证阶段一起运行。最好将它们保留在新集合中或手动将这些操作添加到获取字典中。