Python 使用round或argmax评估Tensorflow中的softmax（分类）精度？ 问题

我尝试使用Tensorflow制作softmax分类器，并使用

tf.argmax（）

进行预测。我发现其中一个

y

总是高于0.5，我使用了

tf.round（）

而不是

tf.argmax（）

然而，这两种方法之间的准确度差距约为20%，

tf.round（）

的准确度高于

tf.argmax（）

我希望这两种方法的精度应该完全相同，或者

tf.round（）

应该低于

tf.argmax（）

，但事实并非如此。有人知道为什么会这样吗

Y和Y_
正确预测 精确

---

这个问题有点老了，但有人可能会像我一样绊倒在它上面

简言之：

• tf.argmax

  减少axis参数指定的一个维度，它将索引返回到沿该轴的最大值

• tf.round

  对每个值进行舍入，返回与输入相同的形状
• 使用

  tf.round

  的“精度”将随着轴指定尺寸的长度而增加

e、 g

输出：

argmax shape: (3,)
round shape: (3, 3)
argmax value [0 1 1]
round value [[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 0.]]
argmax accuracy: 0.6666667
round accuracy: 0.8888889

您可以看到，使用

tf.round

通常会为每行上的两个额外零获得分数

correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))

correct_prediction = tf.equal(tf.round(y), tf.round(y_))

accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

y = [
    [1.0, 0.0, 0.0],
    [0.0, 1.0, 0.0],
    [0.0, 0.0, 1.0]
]

y_ = [
    [0.92, 0.4, 0.4],
    [0.2,0.6,0.2],
    [0.2,0.4,0.2]
]

print('argmax shape:', tf.argmax(y_, 1).shape)
print('round shape:', tf.round(y_).shape)

with tf.Session():
    print('argmax value', tf.argmax(y_, 1).eval())
    print('round value', tf.round(y_).eval())

    correct_prediction_argmax = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
    correct_prediction_round = tf.equal(tf.round(tf.cast(y, tf.float32)), tf.round(y_))
    print('argmax accuracy:', tf.reduce_mean(tf.cast(correct_prediction_argmax, tf.float32)).eval())
    print('round accuracy:', tf.reduce_mean(tf.cast(correct_prediction_round, tf.float32)).eval())

argmax shape: (3,)
round shape: (3, 3)
argmax value [0 1 1]
round value [[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 0.]]
argmax accuracy: 0.6666667
round accuracy: 0.8888889