Tensorflow检查哪些示例被正确预测，哪些不正确(一种混淆矩阵)

Question

我已经建立了两个不同的模型，我想检查这两个模型是否犯了相同的错误(错误地对相同的示例进行了分类)，或者是否犯了不同的错误。数据集只有2个标签为正/负。

从本质上讲，我想要的是这样的混淆矩阵

num examples两个模型都能正确预测

num examples模型A正确预测但模型B错误

num examples模型B预测正确，但模型A预测错误

num examples两个模型都无法正确预测

也就是说，假设数据集中的示例#1被模型A正确地预测，但是被模型B错误地预测。并且示例#2被两者都错误地预测，并且示例#2被两者正确地预测。Byt“正确预测”我的意思是，如果标签为负，我预测为负，如果标签为正，我预测为正。

预期结果：1|1|0|1

Answer 1

假设模型不是很大，并且您可以同时将它们放入内存中，您可以初始化这两个模型(所有层、权重等)，在这两个模型上加载训练值，然后设置一个测试方法，该方法在批处理上执行推断，并检查每个模型上的正/负。给定两个对应于相同测试值的正/负向量，您可以创建一个复合向量。

通过将正视为1，将负视为，您可以这样做：

vectorCompound = vectorModel1 + 2*vectorModel2

这样，您就可以在vectorCompound中收集值

• 0: Both Negative
• 1:模型1为正，模型2为负
• 2:模型2为正，模型1为负
• 3:两者均为正，创建矩阵应为正