tensorflow'；s的回忆和精确性并不意味着它们应该意味着什么

如

tensorflow的流式回忆和精确性并不意味着它们应该意味着什么

根据本例修改自

结果是

2018-03-06 12:45:43.520961: I tensorflow/core/kernels/logging_ops.cc:79] eval/Recall_1[0.664843738]
2018-03-06 12:45:43.521368: I tensorflow/core/kernels/logging_ops.cc:79] eval/Recall[0.990521312]
2018-03-06 12:45:43.521429: I tensorflow/core/kernels/logging_ops.cc:79] eval/Recall_5[0.857031226]
2018-03-06 12:45:43.521487: I tensorflow/core/kernels/logging_ops.cc:79] eval/Precision[0.996820331]
2018-03-06 12:45:43.521537: I tensorflow/core/kernels/logging_ops.cc:79] eval/Accuracy[0.664843738]
2018-03-06 12:45:43.521584: I tensorflow/core/kernels/logging_ops.cc:79] eval/Recall_3[0.809375]

为什么流媒体的查全率和查准率都是99%，而查准率和前1名的查全率是66%

一些严重的事情与已知的 我们知道。为什么准确度和召回率一样，为什么召回率和召回率不同

---

问题是如何更新slim的

eval_image_classifier.py

，使其能够计算非布尔值的流式检索和流式检索精度以及f1分数？

可能是因为预测被转换为布尔值，这导致了只有真值的张量；那么回忆是1。如果同样的事情发生在标签上，我可以理解精度是1。

请给我们一个片段，说明如何使其产生预期的结果。查看文档后，您是对的，希望标签和预测都是错误的。我会更新这个问题，让它成为什么是正确的tf代码，以获得召回率，精度和f1分数

2018-03-06 12:45:43.520961: I tensorflow/core/kernels/logging_ops.cc:79] eval/Recall_1[0.664843738]
2018-03-06 12:45:43.521368: I tensorflow/core/kernels/logging_ops.cc:79] eval/Recall[0.990521312]
2018-03-06 12:45:43.521429: I tensorflow/core/kernels/logging_ops.cc:79] eval/Recall_5[0.857031226]
2018-03-06 12:45:43.521487: I tensorflow/core/kernels/logging_ops.cc:79] eval/Precision[0.996820331]
2018-03-06 12:45:43.521537: I tensorflow/core/kernels/logging_ops.cc:79] eval/Accuracy[0.664843738]
2018-03-06 12:45:43.521584: I tensorflow/core/kernels/logging_ops.cc:79] eval/Recall_3[0.809375]