Python Tensorflow：如何将混淆矩阵（tensor）显示为数组？

我已成功获得（7x7）的混淆矩阵。它是张量形式的

我想查看混淆矩阵。尝试过。eval和sess方法，但不起作用

我的代码：

n_classes = 7
prediction = neural_network(x)
correct = tf.equal(tf.argmax(prediction, 1), tf.argmax(y, 1))
accuracy = tf.reduce_mean(tf.cast(correct, 'float'))

con_mat = tf.confusion_matrix(labels=[0, 1, 2, 3, 4, 5, 6], predictions=correct, num_classes=n_classes, dtype=tf.int32, name=None)

print('Confusion Matrix: \n\n', tf.SparseTensor.eval(con_mat, feed_dict=None, session=None))

输出：

AttributeError: 'Tensor' object has no attribute 'indices'

神经网络：

weights = {
        'out': tf.Variable(tf.truncated_normal([hidden_units, n_classes], dtype=tf.float32))
    }
    biases = {
        'out': tf.Variable(tf.zeros([n_classes]))
    }

    x = tf.unstack(x, seq_len, 1)

    # 3-layer LSTM with 128 units.
    cell = rnn_cell_impl.MultiRNNCell([rnn_cell_impl.LSTMCell(hidden_units),
                                       rnn_cell_impl.LSTMCell(hidden_units),
                                       rnn_cell_impl.LSTMCell(hidden_units)])

    outputs, states = rnn.static_rnn(cell, x, dtype=tf.float32)

    output = tf.matmul(outputs[-1], weights['out']) + biases['out']

    return output

---

您可以通过运行

con_mat = tf.confusion_matrix(labels=[0, 1, 2, 3, 4, 5, 6], predictions=correct, num_classes=n_classes, dtype=tf.int32, name=None)

with tf.Session():
   print('Confusion Matrix: \n\n', tf.Tensor.eval(con_mat,feed_dict=None, session=None))

---

希望这有帮助

定义混淆矩阵（在神经网络中，但同样的方法适用于其他网络）：

运行和打印矩阵：

with tf.Session() as sess:
    test_confusion = sess.run(confusion, feed_dict={X_place:X,y_place:y})
    print(test_confusion)

---

请在您的问题中添加一个。已完成编辑@MPF82在该代码示例中，缩进似乎是错误的（并且它可能很重要，尤其是在使用

with

语句时）。另外，您是否可以扩大示例，以包括创建

sess

的位置？我从tensorflow中找到了一个函数来计算混淆矩阵，它是一个稀疏张量。编辑我的代码和错误@mrryHi，我尝试了你的代码，但它有以下错误：InvalidArgumentError（回溯请参见上文）：形状[-1100,88]具有负维度[[Node:Placeholder=Placeholder[dtype=DT\u FLOAT，形状=[？，100,88]，\u device=“/job:localhost/replica:0/task:0/cpu:0”]（）]你能在你的问题中添加预测和n_类值吗？完成：）我使用的是3层LSTM@Bharath ShettyI，意思是以矩阵或numpy数组形式的变量

correct

。或

correct

的形状。变量correct是张量。。不是矩阵或numpy数组。张量（“等于：0”，shape=（？，），dtype=bool）X_位和y_位是什么？

with tf.Session() as sess:
    test_confusion = sess.run(confusion, feed_dict={X_place:X,y_place:y})
    print(test_confusion)