按每个数组比较两个 numpy 数组的张量 - tensorflow

Question

我有一个多标签分类问题，我在训练期间的y_true 和y_pred 看起来像这样：

y_true = tf.constant([[0, 1, 1, 0], [0, 1, 1, 0]])
y_pred = tf.constant([[0, 1, 0, 1], [0, 1, 1, 0]])

我想根据每对列表比较这两者。 为此，我写了类似的东西

values = tf.cast(x, "float32") == tf.cast(y, "float32")
bool_to_number_values = tf.cast(tranformed_values, "float32")
print(bool_to_number_values)
tranformed_values_summed = x.numpy().shape[0] - tf.reduce_sum(bool_to_number_values)
tranformed_values_summed.numpy()

返回

tf.Tensor(
[[1. 1. 0. 0.]
 [1. 1. 1. 1.]], shape=(2, 4), dtype=float32)

和-4.0 因为2.0 - 6.0 == -4.0

但我不想要这个。我想将y_true 的第一个数组与y_pred 的第一个数组进行比较，如果它们相同，则返回True，否则返回False。同样的逻辑适用于y_true 和y_pred 的第二个数组。

所以正确的结果应该是

tf.Tensor(
[0,
 1], , shape=(2,), dtype=float32)

#0: because the arrays on index 0 are not equal y_true[0] <> y_pred[0]
#1: because the arrays on index 1 are equal y_true[1] == y_pred[1] 

还有tranformed_values_summed.numpy() = 2.0 - 1.0 = 1.0

Answer 1

我想你可能正在寻找tf.reduce_all:

tf.cast(tf.reduce_all(tf.equal(y_true, y_pred), axis=-1), tf.int32)

<tf.Tensor: shape=(2,), dtype=int32, numpy=array([0, 1])>

复制/粘贴：

import tensorflow as tf

y_true = tf.constant([[0, 1, 1, 0], [0, 1, 1, 0]])
y_pred = tf.constant([[0, 1, 0, 1], [0, 1, 1, 0]])

tf.cast(tf.reduce_all(tf.equal(y_true, y_pred), axis=-1), tf.int32)