Tensorflow小Tips（一）：关于tf.contrib.metrics.streaming_true_positives

　　本文介绍的内容适用于 tf.contrib.metrics.streaming_true_positives 以及类似的 streaming_XXX 的 metrics。

调用格式

import tensorflow as tf
a = tf.Variable([0,1,1,0], tf.bool)
b = tf.Variable([0,1,0,1], tf.bool)
tp, tp_update = tf.contrib.metrics.streaming_true_positives(predictions = a, labels = b)

返回参数

　　参数 tp 很好理解，是预测值 predictions 和金标准 labels 的 True Positive 值。
　　关于第二个参数 tp_update，很多同学就要问了，为什么要第二个参数，第一个参数 tp 不就能够完成计算 True Positive 的工作了嘛？理解 tp_update 就需要从 streaming 这个单词来理解了。

函数机制

　　我的理解，streaming类的 metrics 函数在调用的时候，其实是先更新 tp_update（这样的shadow variable），此时 tp_update 记录了之前所有的混淆矩阵，而 tp 仅仅是计算当前 tp_update 中的 True Positive。（有没有很像一种 streaming 操作）

调用注意点（非常重要）

　　一般需要先进行一次 sess.run 更新 tp_update，再 sess.run 计算当前 tp 值。
　　

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    sess.run(tf.local_variables_initializer())  # tp_update 是保存在 tf.local_variables（）中
    sess.run(tp_update)
    print(sess.run(tp))

验证和理解函数机制

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    sess.run(tf.local_variables_initializer())  # tp_update 是保存在 tf.local_variables（）中
    sess.run(tp_update)  # 第一次更新 tp_update
    print(sess.run(tp))
    sess.run(tp_update)  # 第二次更新 tp_update 
    print(sess.run(tp))

　　我们更新两次，第二次的 tp_update 应该会保留第一次 tp_update 的结果，并且再此基础上再叠加一次。所以得到的结果则是：
　　
　　
　　

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    sess.run(tf.local_variables_initializer())  # tp_update 是保存在 tf.local_variables（）中
    sess.run(tp_update)
    print(sess.run(tp))
    sess.run(tf.local_variables_initializer())　　#　清空 tp_update 等价于没有计算 tp_update
    print(sess.run(tp))

可以发现清空了 tp_update 或者没有计算 tp_update，直接计算 tp 值并不会成功。