张量和张量列表

Question

我正在将代码从 tensorflow 1.x 更新到 2.1.0。

我更改了 tensorflow 1.x 代码

labels = tf.cast(labels, tf.int64)
predict = tf.argmax(input=logits, axis=1)
tf.metrics.accuracy(labels=labels, predictions=predict)

到 tensorflow 2.1.0 代码。

labels = tf.cast(labels, tf.int64)
predict = tf.argmax(input=logits, axis=1)
tf.keras.metrics.Accuracy.update_state(labels, predict) #updated code

但是，当我运行更新后的代码时，出现以下错误。

TypeError: update_state() missing 1 required positional argument: 'y_pred'

所以，我检查了 tensorflow 2.1.0 文档，tf.keras.metrics.Accuracy.update_state() 的参数似乎是一个列表（以 [ , , , ] 的形式）。然后，我搜索了一种将张量转换为列表的方法，即

labels = tf.make_tensor_proto(labels)
labels = tf.make_ndarray(labels)

运行此代码后，出现以下错误。

TypeError: List of Tensors when single Tensor expected

所以，我尝试将张量列表转换为张量

labels = tf.stack(labels)
#or
labels = torch.stack(labels)

tf.stack() 不起作用，因为它给出了相同的初始 TypeError，说更新的代码中缺少“y_pred”。

torch.stack()，然而，给出了以下错误。

TypeError: stack() : argument 'tensors' (position 1) must be tuple of Tensors, not Tensor

所以，我猜torch.stack() 只接受一个元组，不是一个列表。 但是，tf.stack() 似乎接受了一个列表，但它并没有把它变成一个张量？

我的标签和预测是否首先是张量列表？如果是这样，为什么 tf.stack() 不把它们变成张量？如何正确转换标签并进行预测，以便将它们传递到tf.keras.metrics.Accuracy.update_state()？

除非绝对必要，否则如果不使用compat.v1.，我将不胜感激。

Answer 1

这样试试：

labels = [0,1]
logits = np.asarray([[0.9,0.1],[0.1,0.9]])

labels = tf.cast(labels, tf.int64)
predict = tf.argmax(input=logits, axis=1)
acc = tf.keras.metrics.Accuracy()
acc = acc.update_state(y_true=labels, y_pred=predict)
acc