Python Tensorflow试图使用未初始化的AUC/AUC/AUC/false_正值
我正在训练CNN使用图像分类。由于我的数据集有限，我正在使用迁移学习。基本上，我使用的是谷歌在其再培训示例（）中证明的预培训网络 该模型运行良好，精度非常高。但我的数据集高度不平衡，这意味着准确度不是判断模型性能的最佳指标 通过研究不同的解决方案，一些人建议更改采样方法或使用的性能指标。我选择后者 Tensorflow提供了大量的度量标准，包括AUC、精确度、召回率等 现在，以下是重新培训模式的代码： 我将以下内容添加到Python Tensorflow试图使用未初始化的AUC/AUC/AUC/false_正值,python,tensorflow,Python,Tensorflow,我正在训练CNN使用图像分类。由于我的数据集有限，我正在使用迁移学习。基本上，我使用的是谷歌在其再培训示例（）中证明的预培训网络 该模型运行良好，精度非常高。但我的数据集高度不平衡，这意味着准确度不是判断模型性能的最佳指标 通过研究不同的解决方案，一些人建议更改采样方法或使用的性能指标。我选择后者 Tensorflow提供了大量的度量标准，包括AUC、精确度、召回率等 现在，以下是重新培训模式的代码： 我将以下内容添加到add\u evaluation\u步骤（结果张量、地面张量、真相张量）函
add\u evaluation\u步骤（结果张量、地面张量、真相张量） with tf.name_scope('AUC'):
with tf.name_scope('prediction'):
prediction = tf.argmax(result_tensor, 1)
with tf.name_scope('AUC'):
auc_value = tf.metrics.auc(tf.argmax(ground_truth_tensor, 1), prediction, curve='ROC')
tf.summary.scalar('accuracy', evaluation_step)
tf.summary.scalar('AUC', auc_value)
[[Node:AUC/AUC/AUC/false_positives/read=IdentityT=DT_FLOAT， _class=[“loc:@AUC/AUC/AUC/false_-positives”]，_-device=“/job:localhost/replica:0/task:0/cpu:0”] 由op u'AUC/AUC/AUC/false_positives/read'引起，定义于：文件 “/home/user_2/tensorflow/bazel bin/tensorflow/examples/image_retaining/retain.runfiles/org_tensorflow/tensorflow/examples/image_retaining/retain.py”， 第1135行，在 tf.app.run（main=main，argv=[sys.argv[0]]]+未解析）文件“/home/user_2/tensorflow/bazel bin/tensorflow/examples/image_retaining/retain.runfiles/org_tensorflow/tensorflow/python/platform/app.py”， 第44行，运行中 _sys.exit（main（_sys.argv[：1]+flags_passthrough））文件“/home/user_2/tensorflow/bazel bin/tensorflow/examples/image_retaining/retain.runfiles/org_tensorflow/tensorflow/examples/image_retaining/retain.py”， 第874行，主 最终的张量，地面真实输入）文件“/home/user\u 2/tensorflow/bazel bin/tensorflow/examples/image\u retaining/retain.runfiles/org\u tensorflow/tensorflow/examples/image\u retaining/retain.py”， 第806行，在添加评估步骤中 auc\u值，update\u op=tf.metrics.auc（tf.argmax（地面真值张量，1），预测， curve='ROC'）文件 “/home/user_2/tensorflow/bazel bin/tensorflow/examples/image_retaining/retain.runfiles/org_tensorflow/tensorflow/python/ops/metrics\u impl.py”， 第555行，单位为auc 标签、预测、阈值、权重）文件“/home/user_2/tensorflow/bazel bin/tensorflow/examples/image_retaining/retain.runfiles/org_tensorflow/tensorflow/python/ops/metrics_impl.py”， 第473行，在矩阵中，在阈值处 false\u p=\u创建本地（'false\u positives'，shape=[num\u thresholds]）文件 “/home/user_2/tensorflow/bazel bin/tensorflow/examples/image_retaining/retain.runfiles/org_tensorflow/tensorflow/python/ops/metrics\u impl.py”， 第177行，“创建本地” validate_shape=validate_shape）File“/home/user_2/tensorflow/bazel bin/tensorflow/examples/image_retaining/retain.runfiles/org_tensorflow/tensorflow/python/ops/variables.py”， 第226行，在init expected_shape=expected_shape）File“/home/user_2/tensorflow/bazel bin/tensorflow/examples/image_retaining/retain.runfiles/org_tensorflow/tensorflow/python/ops/variables.py”， 第344行，在来自参数的_init_中 self.\u snapshot=数组操作标识（self.\u变量，name=“read”）文件 “/home/user_2/tensorflow/bazel bin/tensorflow/examples/image_retaining/retain.runfiles/org_tensorflow/tensorflow/python/ops/gen_array_ops.py”， 第1490行，标识为 结果=_op_def_lib.apply_op（“标识”，输入=输入，名称=名称）文件 “/home/user_2/tensorflow/bazel bin/tensorflow/examples/image_retaining/retain.runfiles/org_tensorflow/tensorflow/python/framework/op_def_library.py”， 第768行，应用操作中 op_def=op_def）File“/home/user_2/tensorflow/bazel bin/tensorflow/examples/image_retaining/retain.runfiles/org_tensorflow/tensorflow/python/framework/ops.py”， 创建操作中的第2402行 original_op=self._default_original_op，op_def=op_def）文件“/home/user_2/tensorflow/bazel bin/tensorflow/examples/image_retaining/retain.runfiles/org_tensorflow/tensorflow/python/framework/ops.py”， 第1264行，在init self.\u traceback=\u extract\u stack（） 失败预处理错误（见上文
init = tf.global_variables_initializer()
sess.run(init)
init = tf.group(tf.global_variables_initializer(), tf.local_variables_initializer())
sess.run(init)