如何使用tf.metrics.accuracy？

Question

我想使用tf.metrics.accuracy来跟踪我的预测的准确性，但是我不知道如何使用函数返回的update_op (acc_update_op )：

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

我认为将它添加到tf.GraphKeys.UPDATE_OPS中是有意义的，但我不知道如何做到这一点。

Answer 1

tf.metrics.accuracy是众多流度量TensorFlow操作之一(另一个是tf.metrics.recall)。在创建时，将创建两个变量(count和total)，以便为一个最终结果积累所有传入结果。第一个返回的值是计算count / total的张量。返回的第二个op是一个有状态函数，它更新这些变量。在对多批数据进行分类器性能评估时，流度量函数非常有用。一个快速的使用示例：

# 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'])

我认为将它添加到tf.GraphKeys.UPDATE_OPS中是有意义的，但我不知道如何做到这一点。

除非您只将UPDATE_OPS集合用于测试目的，否则这不是一个好主意。通常，集合对于培训阶段已经有某些控制操作(例如移动批处理规范化参数)，这些操作不打算与验证阶段一起运行。最好是将它们保存在一个新集合中，或者手动将这些操作添加到提取字典中。