Tensorflow argmax 给出错误的索引答案

【问题标题】：Tensorflow argmax give false indizesTensorflow argmax 给出错误的索引
【发布时间】：2017-05-06 01:15:52
【问题描述】：

我正在使用 tensorflow 来训练和使用一个小型神经网络（具有两个类的 2d 分类），但是我遇到了一个非常奇怪的问题并且看不到我做错了什么：当我只为精度评估为 1 的测试批次绘制 the predictions vs the true labels 时，我显然有一些错误分类的样本。在我看来，tf.argmax 负责错误地评估为 1 的准确性，但显然这不是真正的原因。无论如何，我通过计算最后一层输出的准确率得出了这个结论：

with tf.name_scope('accuracy'):
    plabel = tf.argmax(y, 1) # vector of predicted label, elem {0,1}^batch_size
    tlabel = tf.argmax(y_, 1) # similar vector of true labels
    correct_predictions = tf.cast(tf.equal(plabel, tlabel), tf.float32) 
...
with tf.Session() as sess:
    batchx, batchy = generate_batch()
    predictions, acc = sess.run([y, accuracy], feed_dict={x: batchx, y_: batchy})
    mistakes = 0.
    for j in range(batch_size):
        if (predictions[j, 0] - predictions[j, 1])*(batchy[j, 0] - batchy[j, 1]) < 0:
            print("mistake: ", predictions[j], batchy[j])
            mistakes += 1./batch_size
    print("Acc = {} / {} = 1-m/b".format(acc, 1. - mistakes))

x 和 y_ 是输入张量，y 是最后一层，模型已经训练完毕。

它给了我以下输出：

Acc = 1.0 / 0.86 = 1-m/b

这些值应该相同。

该图还表明真实准确度不是 1，或者评估的准确度张量与预测 (y) 不属于同一运行。

我没有发现任何暗示 tf.argmax 确实是问题所在，我非常绝望。所以提前感谢您的帮助

【问题讨论】：

标签： tensorflow

【解决方案1】：

看来你的准确度函数是正确的，因为你没有发布完整的代码，我建议你在会话中计算准确度，这样每次你都可以打印预测的内容和真实的标签并跟踪执行。

获取predictions = sess.run(y, feed_dict={x: batchx, y_: batchy}) 之类的预测，然后通过print predictions.eval() 打印预测，然后使用plabel = tf.argmax(predictions, 1)，再次使用print plabel.eval()，还有print batchy 和print (tf.argmax(batchy)).eval()

现在您应该知道每个 print 语句出了什么问题。

【讨论】：

我像这样修改了代码，在删除了所有只打印了您期望的内容的调试打印后，它仍然存在：acc, predictions, corrects, p, t = sess.run([accuracy, y, correct_predictions, plabel, tlabel], feed_dict=f) - for j in range(batch_size): print("This should be 1: ", fdict[y_][j, t[j]]) - 但有时它会打印 0。
好吧，这只是一个错字，在我的原始代码中，我使用了错误的提要字典。对不起，谢谢

【解决方案2】：

为了准确：

def evaluate(X_data, y_data):
    num_examples = len(X_data)
    total_accuracy = 0
    sess = tf.get_default_session()
    for offset in range(0, num_examples, BATCH_SIZE):
        batch_x, batch_y = X_data[offset:offset+BATCH_SIZE], y_data[offset:offset+BATCH_SIZE]
        accuracy = sess.run(accuracy_operation, feed_dict={x: batch_x, y: batch_y})
        total_accuracy += (accuracy * len(batch_x))
    return total_accuracy / num_examples

用于获得预测：

prediction = sess.run(tf.argmax(logits, 1), feed_dict={x: train_data})

【讨论】：