如何使用CNTK classification_error()？

Question

我正试图理解cntk.metrics.classification_error()的正确用法，并使用它来验证一批预测的真实性。

下面的玩具示例(基于Python文档)：

import numpy as np
from cntk.metrics import classification_error

predictions = np.asarray([[1., 2., 3., 4.],[1., 2., 3., 4.],[1., 2., 3., 4.]], dtype=np.float32)
labels = np.asarray([[0., 0., 0., 1.],[0., 0., 0., 1.],[0., 0., 1., 0.]], dtype=np.float32)
classification_error(predictions, labels).eval()

得到以下结果：

array([[ 0.,  0.,  1.],
       [ 0.,  0.,  1.],
       [ 0.,  0.,  1.]], dtype=float32)

如果我想要处理一个大批，是否有一种方法可以得到一个向量，而不是一个看起来效率低下的方阵？

在调用axis时，我尝试使用classification_error()关键字，但是无论设置axis=0还是axis=1，都会得到一个空的结果。

Answer 1

这是因为CNTK试图对用户友好，并最终混淆了类型:-)您可以判断，因为分类错误甚至是不正确的。

如果添加一点输入信息，它就会得到正确的语义。

p = C.input(4)
y = C.input(4)
classification_error(p, y).eval({p:predictions, y:labels})
array([[ 0.],
       [ 0.],
       [ 1.]], dtype=float32)

我们将致力于解决这个问题，以防止混乱。