在每个时代之后重置度量的局部变量

Question

我使用内置方法tf.metrics.precision来评估我的模型。我查看了它的定义，但是局部变量从不重置。

难道不应该在每个时代之后重新设置它们，以便从最后一个时代中删除计数吗？这是自动完成的，我只是在源代码中忽略了它，还是应该这样做呢？如果后者为真，如何重置局部变量？我在文件里什么也没看过。

Answer 1

用于跟踪度量的变量是使用metric_variable函数创建的，从而添加到具有键tf.GraphKeys.METRIC_VARIABLES的集合中。在定义了所有度量之后，可以进行如下重置操作：

reset_metrics_op = tf.variables_initializer(tf.get_collection(tf.GraphKeys.METRIC_VARIABLES))

在每个时代结束后再运行。

Answer 2

是。在批量处理数据时，必须注意如何重置变量。在计算总体度量(即精度、准确性或auc)和批处理度量时，对操作进行安排是不同的。在计算每一批新数据的精度值之前，需要将运行的变量重置为零。

使用tf.metrics.precision，将创建两个运行变量并将其放入计算图中：true_positives和false_positives。因此，您可以使用scope参数tf.get_collection()来选择要重置的变量。

import tensorflow as tf
import numpy as np

import numpy as np
import tensorflow as tf

labels = np.array([[1,1,1,0],
                   [1,1,1,0],
                   [1,1,1,0],
                   [1,1,1,0]], dtype=np.uint8)

predictions = np.array([[1,0,0,0],
                        [1,1,0,0],
                        [1,1,1,0],
                        [0,1,1,1]], dtype=np.uint8)

precision, update_op = tf.metrics.precision(labels, predictions, name = 'precision')

print(precision)
#Tensor("precision/value:0", shape=(), dtype=float32)
print(update_op)
#Tensor("precision/update_op:0", shape=(), dtype=float32)

tf.get_collection(tf.GraphKeys.LOCAL_VARIABLES)
#[<tf.Variable 'precision/true_positives/count:0' shape=() dtype=float32_ref>,
# <tf.Variable 'precision/false_positives/count:0' shape=() dtype=float32_ref>,

running_vars_precision = tf.get_collection(tf.GraphKeys.LOCAL_VARIABLES, scope='precision')
running_vars_auc_initializer = tf.variables_initializer(var_list=running_vars_precision )

with tf.Session() as sess:
    sess.run(running_vars_auc_initializer)
    print("tf precision/update_op: {}".format(sess.run([precision, update_op])))
    #tf precision/update_op: [0.8888889, 0.8888889]
    print("tf precision: {}".format(sess.run(precision)))
    #tf precision: 0.8888888955116272