tf.nn.in_top_k：目标超出范围答案

【问题标题】：tf.nn.in_top_k: targets out of rangetf.nn.in_top_k：目标超出范围
【发布时间】：2016-06-02 09:18:58
【问题描述】：

我从 tensorflow 改编了 cifar10 网络，以解决我自己的分类问题。我已经训练了网络，现在我尝试使用 cifar10_eval.py 评估训练后的模型

top_k_op = tf.nn.in_top_k(logits, labels, 1)

但我收到以下错误。经过进一步调查，目标指数在2,3和4之间变化

tensorflow.python.framework.errors.InvalidArgumentError: targets[3] is out of range

到目前为止，我知道我的标签张量有问题。它是一个 int32-Tensor，其 shape(50,) 如下所示。

labels = {Tensor} Tensor("batch_processing/Reshape_1:0", shape=(50,), dtype=int32, device=/device:CPU:0)

我的数据集只有 2 个类/标签。也许这可能是问题所在。有谁知道是什么问题？

【问题讨论】：

logits的形状是什么？
logits的形状是shape(50,2)
确保标签只包含0和1
感谢您的建议....关于文档，top_k_op 张量具有正确的类型（布尔）和大小（50）。正如你所提到的，我怀疑标签张量包含的数字多于 0 和 1。但目前我正在努力调试标签张量。我看不到张量的值..
我在回答中总结了

标签： tensorflow

【解决方案1】：

综上所述，函数tf.nn.in_top_k(predictions, targets, k)（见doc）有参数：

预测：形状[batch_size, num_classes]，类型float32
目标（正确的标签）：形状[batch_size]，输入int32或int64

当元素targets[i] 超出predictions[i] 的范围时，函数会引发错误InvalidArgumentError: targets[i] is out of range。

例如，有 2 个类 (num_classes=2) 和 targets=[1, 3]。使用这些目标，您将看到错误 InvalidArgumentError: targets[1] is out of range，因为 targets[1] = 3 超出了只有形状 2 的 predictions[1] 的范围。

要检查您的labels 是否正确，您可以打印它们的最大值：

labels = ...
labels_max = tf.reduce_max(labels)

sess = tf.Session()
print sess.run(labels_max)

如果打印的值优于num_classes，你就有问题了。

【讨论】：

【解决方案2】：

因此，如果您希望以一种热编码之类的方式进行预测，那么您的目标必须是放置一 (1) 个热编码的正确索引。例如：

bb=tf.nn.in_top_k([[0,1],[1,0],[0,1]]  ,   [1,1,1],1)

将返回：

[真假真]

所以要回答，你必须将你可能的一个热门目标转换为这个索引方法

麻木：

targetsindex = np.argmax(targets, axis=1)

张量：

targetsindex = tf.argmax(targets, axis=0)

【讨论】：