Python Tensorflow检查哪些示例预测正确，哪些预测错误（一种混淆矩阵）

我构建了两个不同的模型，我想检查这两个模型是否犯了相同的错误（错误地将相同的示例分类），或者它们是否犯了不同的错误。数据集只有两个标签：正/负

基本上我想要一个类似的混淆矩阵

#num示例两个模型预测正确
num示例模型A预测正确，但模型B预测错误
num示例模型B预测正确，但模型A预测错误
num示例两个模型预测错误

即，假设数据集中的示例#1由模型A正确预测，但由模型B错误预测。示例#2由两者错误预测，示例#2由两者正确预测。Byt“正确预测”我的意思是如果标签是阴性，我预测为阴性，如果标签是阳性，我预测为阳性

预期结果：

---

1 | 1 | 0 | 1

如果模型不是很大，并且可以同时将它们放在内存中，您可以初始化这两个模型（所有层、权重等），在这两个模型上加载经过训练的值，然后设置一种测试方法，对批次执行推断并检查每个模型的正/负。给定两个与相同测试值对应的正/负向量，可以创建一个复合向量

通过将正视为1，将负视为0，您可以：

vectorCompound = vectorModel1 + 2*vectorModel2

这样，您就可以在

vectorcomponent

中收集值：

• 0:都是负数
• 1：模型1为正，模型2为负
• 2：模型2为正，模型1为负
• 3:都是肯定的 从这里开始，创建矩阵应该很简单

---

这有点宽泛。你已经试过什么了？我在

相关部分看到多个问题。@Framester我看到的所有相关问题都是，如果您只有一个模型，请查找TP/FP/FN/TN，如果您有两个不同的模型，请查看是否有相同或不同的错误。我找不到答案，也不想重新发明轮子。我查看了sci工具包库文档，但没有找到方法。我更新了我的问题