在TensorFlow中使用tf.metrics.mean_iou计算iou，并在TensorBoard上显示混淆矩阵。通过获取'mean_iou/total_confusion_matrix:0'张量，计算精度和召回率矩阵。使用tf.print在终端输出，同时用tf.summary.text在TensorBoard展示精度和召回率矩阵。
由于有人投票，我将在这里发布我的答案。
假设您以以下方式定义了mean_iou op：
miou, update_op = tf.metrics.mean_iou(
predictions, labels, dataset.num_of_classes, weights=weights)
tf.summary.scalar(predictions_tag, miou)
如果在Tensorboard中看到图形，则会发现有一个名为“ mean_iou”的节点，并且在扩展此节点后，您会发现有一个名为“ total_confucion_matrix”的操作。 这是您计算每个类别的查全率和查准率所需要的。
获得节点名称后，可以通过tf.summary.text将其添加到张量tf.summary.text或者通过tf.print函数在终端中进行打印。 下面是一个示例：
miou, update_op = tf.metrics.mean_iou(
predictions, labels, dataset.num_of_classes, weights=weights)
tf.summary.scalar(predictions_tag, miou)
# Get the correct tensor name of confusion matrix, different graphs may vary
confusion_matrix =
最低0.47元/天 解锁文章
1337
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
