先上代码
y_hat=np.array([[0.1,0.3,0.6],[0.3,0.2,0.5]])
y=np.array([0,2],dtype=np.int32)
首先定义了两个数组,y_hat作为两个样本在三个维度的概率,y作为真实定义的维度下标,也就是对应的[0.1,0.5]。
在这里主要工作是做判断,查看y_hat返回的最大值的下标是否等于设定的真实值y定义的下标值。然后求对应的准确率。
举个例子:
a=np.array([1,2])
b=np.array([2,2])
print(np.mean(a==b))
这里返回的就是0.5,判断对应的值是否相等,相等返回1,不等返回0,求均值。
在上面的问题中采用下式判断:
np.mean(tf.argmax(y_hat,axis=1)==y)
原本应该返回的也是0.5,tf.argmax求得的下标数组应该是[2,2],与y做判断对用的第二维是相等的,但是在实验中返回的一直是0.0。
最终究其原因是因为tf.armax返回的是一个Tensor类型,与numpy定义的array类型无法做判断,所以最终返回的0.0。
那么在这里更改为:
np.mean(np.array(tf.argmax(y_hat,axis=1))==y)
将Tensor类型转换为array类型在做判断,返回的就是正确结果0.5