TensorFlow top_k 评估输入参数

Question

我正在遵循this link中的教程并尝试改变模型的评估方法(底部)。我想要获得前 5 名的评估，并且我正在尝试使用以下代码:

topFiver=tf.nn.in_top_k(y, y_, 5, name=None)

但是，这会产生以下错误:

File "AlexNet.py", line 111, in <module>
    topFiver = tf.nn.in_top_k(pred, y, 5, name=None)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/gen_nn_ops.py", line 346, in in_top_k
    targets=targets, k=k, name=name)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/op_def_library.py", line 486, in apply_op
    _Attr(op_def, input_arg.type_attr))
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/op_def_library.py", line 59, in _SatisfiesTypeConstraint
    ", ".join(dtypes.as_dtype(x).name for x in allowed_list)))
TypeError: DataType float32 for attr 'T' not in list of allowed values: int32, int64

据我所知，问题是 tf.nn.in_top_k() 仅适用于 tf.int32 或 tf.int64 code> 数据，但我的数据是 tf.float32 格式。有什么解决办法吗？

Answer 1

targets tf.nn.in_top_k(predictions, targets, k) 的参数必须是类 ID 的向量(即 predictions 矩阵中的列索引)。这意味着它仅适用于单类分类问题。

如果你的问题是单类问题，那么我假设你的 y_张量是示例中真实标签的独热编码(例如，因为您还将它们传递给类似 tf.nn.softmax_cross_entropy_with_logits() 的操作。在这种情况下，您有两个选择:

• 如果标签最初存储为整数标签，请将它们直接传递给 tf.nn.in_top_k()而不将它们转换为 one-hot。 (另外，请考虑使用 tf.nn.sparse_softmax_cross_entropy_with_logits() 作为损失函数，因为它可能更有效。)

• 如果标签最初以 one-hot 格式存储，您可以使用 tf.argmax() 将它们转换为整数。 :

  labels = tf.argmax(y_, 1)
  topFiver = tf.nn.in_top_k(y, labels, 5)