TensorFlow指标: top-N精度

Question

我正在使用add_metric尝试创建一个自定义指标，用于计算分类器的前3个准确率。这就是我所得到的：

def custom_metrics(labels, predictions):
   # labels => Tensor("fifo_queue_DequeueUpTo:422", shape=(?,), dtype=int64)
   # predictions => {
   #    'logits': <tf.Tensor 'dnn/logits/BiasAdd:0' shape=(?, 26) dtype=float32>,
   #     'probabilities': <tf.Tensor 'dnn/head/predictions/probabilities:0' shape=(?, 26) dtype=float32>,
   #     'class_ids': <tf.Tensor 'dnn/head/predictions/ExpandDims:0' shape=(?, 1) dtype=int64>,
   #     'classes': <tf.Tensor 'dnn/head/predictions/str_classes:0' shape=(?, 1) dtype=string>
   #  }

看看现有tf.metrics的实现，一切都是使用tf操作实现的。我如何才能实现前3名的准确率？

Answer 1

如果你想自己实现它，tf.nn.in_top_k是非常有用的-它返回一个布尔数组，表明目标是否在前k个预测之内。你只需要取结果的平均值：

def custom_metrics(labels, predictions):
    return tf.metrics.mean(tf.nn.in_top_k(predictions=predictions, targets=labels, k=3))

您还可以导入它：

from tf.keras.metrics import top_k_categorical_accuracy