tensorflow中评估指标的含义答案

【问题标题】：Meaning of evaluation metrics in tensorflowtensorflow中评估指标的含义
【发布时间】：2018-10-22 19:37:03
【问题描述】：

我几乎是 tensorflow 的初学者，并且只是按照教程进行操作。我的代码没有问题，但我对输出有疑问

accuracy: 0.95614034
accuracy_baseline: 0.6666666
auc: 0.97714674
auc_precision_recall: 0.97176754
average_loss: 0.23083039
global_step: 760
label/mean: 0.33333334
loss: 6.578666
prediction/mean: 0.3428335

我想知道prediction/mean和label/mean代表什么？

提前谢谢你

【问题讨论】：

它们只是您的预测的平均值，您的输入标签（应该已经编码和转换）由tf.metrics.mean 计算。你到底想知道什么？

标签： python tensorflow machine-learning neural-network artificial-intelligence

【解决方案1】：

prediction是网络的输出。当您一个接一个地输入许多输入时，您会得到许多输出（预测）。 prediction/mean 只是所有这些输出的总和除以输出的数量。 lablel 是网络应该为给定输入输出/预测的值。同样，您可以将它们总结并除以元素的数量，以获得标签的label/mean。当您将prediction/mean 与label/mean 进行比较时，您会发现您的网络效率如何。

【讨论】：