**
TP:(实际为正例,预测也为正例) 实际为男生,预测为男生;
FP:(实际为负例,预测为正例) 实际为女生,预测为男生;
FN:(实际为正例,预测为负例) 实际为男生,预测为女生;
TN:(实际为负例,预测也为负例) 实际为女生,预测为女生;
**
准确率(Accuracy) = (TP + TN) / 总样本 。 定义是: 对于给定的测试数据集,分类器正确分类的样本数与总样本数之比。
精确率(Precision) = TP / (TP + FP) 。它表示:预测为正的样本中有多少是真正的正样本,它是针对我们预测结果而言的。Precision又称为查准率。
召回率(Recall) = TP / (TP + FN) = 40/70 = 57.14% 。它表示:样本中的正例有多少被预测正确了, 它是针对我们原来的样本而言的。Recall又称为查全率。
由于本代码是在输出预测输出图片每个像素的评价指标所写,其他情况,稍作修改即可
sum=128*128*10
def pixlAcc(y_true, y_pred):
y_pred=tf.cast(y_pred,dtype=tf.float32)
y_true=tf.cast(y_true,dtype=tf.float32)
tfThre=tf.fill(y_pred.shape,