tensorflow tensor转置_tensorflow中张量排序与accuracy计算

今天跟B站“奔跑的东兵卫”大佬的教程，学习了在tensorflow中进行张量排序和accuracy计算的内容。

大概的想法是这样。

模型计算导出的预测结果output的shape是[b,N]，真实值target的shape是[b]

b是batch，就是本次运算有多少sample，N是结果的可能性有几种

先对output的每一行（即每个sample在各个类的概率）进行大小的比较，得到一个大小不变但是概率变成排序数字tensor，其shape还是[b, N]。

pred = tf.math.top_k(output, maxk).indices

然后对这个tensor进行转置

pred = tf.transpose(pred, perm=[1,0])

pred的shape就变成了[N, b]

为了能让pred和真实值target能够进行比较，需要把target的shape也变成和pred一样，这里用broadcast_to函数

target_ = tf.broadcast_to(target,pred.shape)

然后就是比较pred和target，相同的数字变成True，不同的变成False

correct = tf.equal(pred,target_) #[N,b]