【神经网络实践】tentorflow上的多目标识别（3）

本文链接：https://blog.csdn.net/fish_like_apple/article/details/82989111

前言：

{

这次也遇到了不少问题，最头疼的就是OOM（内存不够）。虽然要训练的东西很少，但在初始化时还是会出错，目前就先用CPU（禁用显存）做初步调试。

}

正文：

{

按照我原本的打算，损失是mean_squared_error；当某类的输出与标签的差不小于0.5时，则此类的预测正确，准确率为平均正确率。

此准确率的计算用到了二值张量。代码1是张量二值化的函数和评估步骤，其中输出张量input_tensor的类型需要与阈值threshold的一致。

#代码1
#the following function is to return a binary tensor by the argument input_tensor 
#of which values less than the threshold will be converted into zeros or Falses.
def tensor_binaryzation(input_tensor, threshold):
    y = tf.subtract(tf.cast(threshold, tf.float32), 1.0)
    x = tf.cast(input_tensor, tf.float32)
    output_tensor = tf.cast(tf.subtract(x, y), dtype=tf.uint64)
    return tf.cast(output_tensor, dtype=tf.bool)

如果想改变trainable variables&#