通过 Sklearn 为 Tensorflow 中的预测测试添加指标

Question

我的 CNN 项目基于 AlexNet 模型实现 here。

我有两个主要功能，training 和 prediction，我想问你关于预测部分的指标，它们从与训练集相比不同目录中的测试集读取图像。

这是prediction 代码：

def prediction(self):
        with tf.Session() as sess:

            # Construct model
            pred = self.alex_net_model(self.img_pl, self.weights, self.biases, self.keep_prob)

            # Restore model.
            ckpt = tf.train.get_checkpoint_state("ckpt_dir")
            if(ckpt):
                self.saver.restore(sess, MODEL_CKPT)
                print "Model restored"
            else:
                print "No model checkpoint found to restore - ERROR"
                return

            ### Metrics ###
            y_p = tf.argmax(pred,1) # the value predicted

            target_names = ['class 0', 'class 1', 'class 2']
            list_pred_total = []
            list_true_total = []

            # Accuracy Precision Recall F1-score by TEST IMAGES                                              
            for step, elems in enumerate(self.BatchIteratorTesting(BATCH_SIZE)):

                batch_imgs_test, batch_labels_test = elems

                y_pred = sess.run([y_p], feed_dict={self.img_pl: batch_imgs_test, self.keep_prob: 1.0})
                #print(len(y_pred))
                list_pred_total.extend(y_pred)
                y_true = np.argmax(batch_labels_test,1)
                #print(len(y_true))
                list_true_total.extend(y_true)

            #### TODO: METRICS FOR PRECISION RECALL F1-SCORE ####

我的问题是：

• 我怎样才能像在training 中那样正确调用classification_report？
• 为什么 y_pred 是 1 个元素的列表，而 y_true 是一个 len 64（批量大小）的 numpy 数组？

如果这两个 len 不同，我不能做metrics.classification_report(list_true_total, list_pred_total, target_names=target_names)。 希望能解决我的疑惑。

Answer 1

如果您调用y_pred = sess.run(y_p,...（注意y_p 周围缺少[]），您将得到一个 len(batch_size) 的 numpy 数组，如您所料。

关于分类报告的其他问题我不明白。