为什么 BinaryAccuracy() 会改变它的值？

Question

我用以下单元定义了一个 jupyter python notebook，我一个一个地执行：

第一个单元格：

import tensorflow as tf

ba = tf.keras.metrics.BinaryAccuracy()

labels = [ 
np.array([[0]], dtype=np.float32),
np.array([[0]], dtype=np.float32),
np.array([[1]], dtype=np.float32),
np.array([[1]], dtype=np.float32),
np.array([[0]], dtype=np.float32) 
]

preds = [ 
np.array([[0.1]], dtype=np.float32),
np.array([[0.1]], dtype=np.float32),
np.array([[0.9]], dtype=np.float32),
np.array([[0.1]], dtype=np.float32),
np.array([[0]], dtype=np.float32) 
]

第二个单元格：

ba(labels, preds)
> <tf.Tensor: shape=(), dtype=float32, numpy=0.8>

第三个单元格：

ba(np.ones(100), np.ones(100))
> <tf.Tensor: shape=(), dtype=float32, numpy=0.8333333>

请注意，第三个单元格中的结果是完全错误的！它应该是1.0，因为它是完美的匹配。如果我执行这个单元格多次，值也会不同！

但是，如果我省略了第 2 个单元格，只执行第 1 个和第 3 个单元格，则计算是正确的。这是一种奇怪的行为。

为什么 BinaryAccuracy() 会改变它的值？这是一个错误，是我做错了什么，是我的设置错误，还是只是我不知道的某种机制？

此外，如果您只执行了第 1 个和第 3 个单元格，然后返回执行第 2 个单元格多次，则每次的值都不同！

Answer 1

你应该使用reset_states()

np.random.seed(33)

ba = tf.keras.metrics.BinaryAccuracy()

print(ba(np.random.randint(0,3, (100)), np.random.randint(0,3, (100)))) # 0.3

ba.reset_states()

print(ba(np.ones(100), np.ones(100))) # 1.0