Tensorflow：按类别确定正确的分类份额

我有一个两类分类问题，我想知道在这一步中，两类中每一类的正确分类示例有多少：

correct=tf.nn.in\u top\k（登录，标签，1）

---

例如，我有90到10个1到2类的例子，我想得到一些像

correct\u class1

和

correct\u class2

你基本上是在计算直方图

这是一个粗略的想法。假设我们有3节课，每节课

标签=[1,3,2,2,3,1,1,1]

correct=tf.nn.in_top_k（logits，labels，1）=[1,1,0,0,1,0,1]

步骤1： 每类计数（计算标签直方图）：[4（一类）、2（二类）、2（三类）]

步骤2： 正确的预测、标签的元素乘积和正确的：[1,3,0,0,0,3,0,1,1]=tf.mul（标签，正确）

步骤3： 每个类别的正确计数（计算步骤2结果的直方图）：[3（类别0：错误预测）、3（类别1）、0（类别2）、2（类别3）]

步骤4（根据步骤1和3的结果）： 结果：[3/4,0/2,2/2]=[0.75,0,1]

---

numpy.histogram或tf.histogram\u summary可能很方便实现这一点。

您实际上是在计算直方图

这是一个粗略的想法。假设我们有3节课，每节课

标签=[1,3,2,2,3,1,1,1]

correct=tf.nn.in_top_k（logits，labels，1）=[1,1,0,0,1,0,1]

步骤1： 每类计数（计算标签直方图）：[4（一类）、2（二类）、2（三类）]

步骤2： 正确的预测、标签的元素乘积和正确的：[1,3,0,0,0,3,0,1,1]=tf.mul（标签，正确）

步骤3： 每个类别的正确计数（计算步骤2结果的直方图）：[3（类别0：错误预测）、3（类别1）、0（类别2）、2（类别3）]

步骤4（根据步骤1和3的结果）： 结果：[3/4,0/2,2/2]=[0.75,0,1]

---

numpy.histogram或tf.histogram\u摘要可能很方便实现这一点。

嗨，姚，谢谢你的回复。我认为如何从

tf.nn.in\u top\k（logits，labels，1）

操作中获得每个类的正确预测计数的问题仍然存在。我编辑了这篇文章以使其更清晰。步骤3“获取每个类的正确预测计数”。这是一个直方图计算。嗨，姚，谢谢你的跟进。你能告诉我TensorFlow中的哪个方法在我向它提供一个混合类的测试集时返回一个按类的元素正确预测。对于步骤2，你可以使用tf.mul（标签，正确），我也更新了帖子。嗨，姚，谢谢你的回复。我认为如何从

tf.nn.in\u top\k（logits，labels，1）

操作中获得每个类的正确预测计数的问题仍然存在。我编辑了这篇文章以使其更清晰。步骤3“获取每个类的正确预测计数”。这是一个直方图计算。嗨，姚，谢谢你的跟进。你能告诉我TensorFlow中的哪个方法在我给它提供一个混合类的测试集时，会按类返回一个元素正确的预测。对于步骤2，你可以使用tf.mul（labels，correct），我还更新了帖子。