Python 在TensorFlow中实现精度度量

我遵循TensorFlow文档中的示例，具体而言，其中指标分配如下：

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))

我想知道：如何实现不同的精度度量。例如地图（平均精度）。假设我有一个函数：

import numpy as np

def accuracyMAP(y_pred, y_real):

    def __precision_at_k(r, k):   
        r = np.asarray(r)[:k] != 0
        return np.mean(r)

    temp_sorted = y_real[np.argsort(-y_pred)]
    till = np.where(temp_sorted==1)
    r = temp_sorted[:till[0]+1]
    return __precision_at_k(r, len(r))

for batch_xs in x:
    y_pred = sess.run(y, feed_dict={x: batch_xs})
    acc = accuracyMAP(y_true, y_pred)

一种方法是进行预测并将其传递给

平均精度\u scorce

函数：

import numpy as np

def accuracyMAP(y_pred, y_real):

    def __precision_at_k(r, k):   
        r = np.asarray(r)[:k] != 0
        return np.mean(r)

    temp_sorted = y_real[np.argsort(-y_pred)]
    till = np.where(temp_sorted==1)
    r = temp_sorted[:till[0]+1]
    return __precision_at_k(r, len(r))

for batch_xs in x:
    y_pred = sess.run(y, feed_dict={x: batch_xs})
    acc = accuracyMAP(y_true, y_pred)

---

其中，y_真和y_预测都被转换为numpy数组。但是有没有类似于Tensorflow的方法呢？有什么提示吗？

如果你的

平均精度评分
函数可以对TF张量进行操作，你可以简单地做：
acc=mean\u precision\u评分（y\u真，y）
和以后的
sess.run（acc，…）
你的意思是
评分=精度（y\u真，y）；mean\u accurity=tf.reduce\u mean（score）
我得到一个错误，
输入'stripdslice'Op的'stripes'的类型int32与参数'begin'的类型int64不匹配。
。还尝试使用
tf.cast
，但没有找到传递该命令的方法。您需要显示
准确性
函数的代码，以便了解错误的来源。