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]