tensorflow中处理多类多标签分类时如何计算准确率？

Question

我正在使用来自https://github.com/Microsoft/FERPlus 的 FER2013Plus 数据集，其中包含 fer2013new.csv 文件。此文件包含数据集中每个图像的标签。标签的示例可能是：

(4, 0, 0, 2, 1, 0, 0, 3)

每个维度都是不同的情感。最后，在他们的论文https://arxiv.org/pdf/1608.01041.pdf 中，他们将标签分布转换为概率 => 新标签将变为

(0.5, 0, 0, 0.25, 0.125, 0, 0, 0.375)

换句话说，图像中的人快乐的概率为 0.5，悲伤的概率为 0.25，依此类推……概率之和为 1。

现在在训练时，我使用tf.nn.softmax_cross_entropy_with_logits_v2 来计算我的预测和标签之间的损失。现在如何计算准确率？

非常感谢任何帮助！

Answer 1

这是论文的摘录：

“我们以多数情感为单一 情绪标签，我们测量预测准确性 大多数情绪。”

他们正在使用离散分类任务。所以你只需要在你的 logits 上取tf.argmax() 以获得最高概率，然后将其与标签的tf.argmax() 进行比较。

例如，如果您的标签是(0.5, 0, 0, 0.25, 0.125, 0, 0, 0.375)，那么快乐是大多数情绪，因此您会检查您的 logits 是否也将快乐作为大多数情绪。