TensorFlow 预测多个标签

Question

我对 TensorFlow 和 stackoverflow 都很陌生。我正在做一个项目，我应该为照片推荐 5 个最合适的标签。 Tensorflow 为您训练最后一层的每个标签都提供了一个预测值，因为它也旨在找到准确度超过 0.5 的标签，而其他标签最终的值小于 0.1。 但我如何确定是否有超过 1 个标签成为最相关的标签？​​ 例如对于红色鸟的图像，TF (Tensorflow) 将鸟作为最佳标签，将红色作为次佳标签，尽管两者具有同等相关性。

我的问题是 如果 TF 足够相关，我怎样才能让超过 1 个标签具有相同的价值？ （如果不一样，非常接近的数字会为我做。）另外，有没有办法我可以在 .txt 文件中获取这些标签的输出及其对应的值？（最后一部分这个问题之前也被问过，但仍然没有答案，所以我想我会把它作为我问题的一部分）

我的 label_image.py 的代码与教程中给出的相同 - 用于诗人的 TensorFlow。这是它的代码，

    import tensorflow as tf
    image_path = sys.argv[1]

    image_data = tf.gfile.FastGFile(image_path, 'rb').read()

    label_lines = [line.rstrip() for line 
               in tf.gfile.GFile("/tf_files/retrained_labels.txt")]

    with tf.gfile.FastGFile("/tf_files/retrained_graph.pb", 'rb') as f:
        graph_def = tf.GraphDef()
        graph_def.ParseFromString(f.read())
        _ = tf.import_graph_def(graph_def, name='')

    with tf.Session() as sess:
        softmax_tensor = sess.graph.get_tensor_by_name('final_result:0')

        predictions = sess.run(softmax_tensor, \
                 {'DecodeJpeg/contents:0': image_data})

        top_k = predictions[0].argsort()[-len(predictions[0]):][::-1]

        for node_id in top_k:
            human_string = label_lines[node_id]
            score = predictions[0][node_id]
            print('%s (score = %.5f)' % (human_string, score))

Answer 1

如何确定是否有超过 1 个标签成为最相关的标签？​​

如果您查看网络最后一层的输出，假设您使用 softmax 层，您应该在每个标签中有不同的值，表明该标签的 置信度 是正确的.因此，这个分数本质上是相应标签的相关性。

有没有一种方法可以在 .txt 文件中获取这些标签的输出及其对应值？

是的，我们基本上eval() 得分并使用f.write(content) 将其写入文本文件。

一个非常简单的代码块：

scores = tf.eval(test_confidence, feed_dict={....})
with open("output.txt", "wb") as f:
    for score in scores:
        f.write(score+'\n')