【Tensorflow 大马哈鱼】 tf.metrics.accuracy

 tf.metrics.accuracy返回两个值，accuracy为到上一个batch为止的准确度，update_op为更新本批次后的准确度。

accuracy, update_op = tf.metrics.accuracy(labels=x, predictions=y)

定义于：tensorflow/python/ops/metrics_impl.py。

计算predictions匹配labels的情况。

该accuracy函数创建两个局部变量，total和count用于计算predictions匹配labels的情况。这个频率被最终返回为accuracy：total/count。

因为有局部变量，所以要初始化局部变量，sess.run(tf.local_variables_initializer())

为了估计一连串的数据，该函数创建一个 update_op操作更新这些变量并返回accuracy。在内部，一个is_correct操作计算一个Tensor，当predictions和labels匹配时其中相应的元素为1.0，否则为0.0。然后update_op更新total和count的值。

如果weights是None，则权重默认为1.使用权重0来作为mask值。

参数：

labels：ground truth值，Tensor，其形状匹配 predictions。

predictions：预测值，任何形状的Tensor。

weights：可选，Tensor，其秩为0或与labels的秩相同，并且必须可广播到labels（即，所有维度必须1或者与相应的labels维度相同）。

metrics_collections：accuracy应添加到的可选集合列表。

updates_collections：update_op应添加到的可选集合列表。

name：可选的，variable_scope名称。

返回：

accuracy：A Tensor，表示准确性，值total除以count。

update_op：适当增加total和count变量并且使其值匹配accuracy的操作。
 

看代码：

import numpy as np
import tensorflow as tf

x = tf.placeholder(tf.int32, [5])
y = tf.placeholder(tf.int32, [5])
acc, acc_op = tf.metrics.accuracy(labels=x, predictions=y)

sess = tf.InteractiveSession()
sess.run(tf.global_variables_initializer())
sess.run(tf.local_variables_initializer())

v = sess.run([acc, acc_op], feed_dict={x: [1, 0, 0, 0, 0],
                                       y: [1, 0, 0, 0, 1]})
#总的5个(正确4)
print(v)   #[0.0, 0.8]


v = sess.run([acc, acc_op], feed_dict={x: [1, 1, 1, 1, 0],
                                       y: [0, 0, 0, 0, 1]})
#总的10个(正确4)                                   
print(v)    #[0.8, 0.4]

v = sess.run([acc, acc_op], feed_dict={x: [1, 1, 1, 1, 0],
                                       y: [0, 0, 0, 0, 1]})
#总的15个(正确4)           
print(v)    #[0.4, 0.26666668]

v = sess.run([acc, acc_op], feed_dict={x: [1, 1, 1, 1, 0],
                                       y: [0, 0, 0, 0, 1]})
#总的20个(正确4)           
print(v)    #[0.26666668, 0.2]