秒懂-深度学习框架的中计算准确率accuracy()原理（基于paddlepaddle）

最新推荐文章于 2024-07-26 08:33:18 发布

梁先森-在技术的路上奔跑

最新推荐文章于 2024-07-26 08:33:18 发布

阅读量8.1k

点赞数 7

分类专栏： paddlepaddle Python 机器学习文章标签： paddlepaddle accuracy 人工智能机器学习 python

本文链接：https://blog.csdn.net/lzx159951/article/details/104877138

版权

本文介绍了PaddlePaddle深度学习框架中用于计算准确率的accuracy()方法，详细解析了该方法的输入参数、源码逻辑，包括softmax激活函数的作用，以及accuracy()如何计算正确率的过程。

摘要由CSDN通过智能技术生成

前言

最近在实操号称人工智能中的’hello world‘–手写数字集识别。这里是使用的是paddlepaddle深度学习框架。
其中我们在训练的时候，需要计算准确度。框架提供计算准确度的方法：fluid.layers.accuracy().它究竟是如何进行精确度的计算的？今天，我带大家一探究竟！

文章目录

accuracy方法介绍

paddle.fluid.layers.accuracy(input,label),
input 为输入为网络预测值
label为数据集的标签

def multilayer_perceptron(x):
    #这个fc方法有个扁平化操作。
    hidden1 = fluid.layers.fc(input=x,size=100,act='relu')
    hidden2 = fluid.layers.fc(input=hidden1,size=100,act='relu')
    #softmax 也称为归一化指数函数。这里包含两个步骤，第一步，使用指数函数将所有数值转化为0-1区间内的数
    #第二部，计算概率值，使用转化后的值/转化后值的和。
    y = fluid.layers.fc(input=hidden2,size=10,act='softmax')#?为什么是softmax
    return y
#定义数据层
x = fluid.layers.data(name='x',shape=[1,28,28],dtype='float32')
label = fluid.layers.data(name='y',shape=[1],dtype=