tensorflow - TFLearn - 评估模型

Question

我正在使用 TFLearn Alexnet使用我自己的数据集进行采样。

接下来我想对测试数据进行分类并确定模型的准确性。

TFLearn API 提供方法 model.predict()和 model.evaluate() .

model.predict()给出测试数据集中每幅图像的预测结果。如何使用结果来获得准确度？

model.evaluate()给出测试数据的准确度分数。有没有办法获得每个批次的准确性？

Answer 1

# Evaluate model
score = model.evaluate(test_x, test_y)
print('Test accuarcy: %0.4f%%' % (score[0] * 100))

# Run the model on one example
prediction = model.predict([test_x[0]])
print("Prediction: %s" % str(prediction[0][:3]))  # only show first 3 probas

如何使用结果来获得准确度？

取每个预测的argmax得到预测类别

如果您有单热编码标签

，也可能使用标签的 argmax 来获取索引

准确度 = 总和(预测标签 == 目标标签)/len(预测标签)

有没有办法获得每批的准确性？

batch_index = 42
batch_size = 128
batch_x = test_x[batch_index * batch_size : (batch_index + 1) * batch_size]
batch_y = test_y[batch_index * batch_size : (batch_index + 1) * batch_size]
score = model.evaluate(batch_x, batch_y)
print('Batch accuarcy: %0.4f%%' % (score[0] * 100))