网站首页 文章专栏 tf.metrics.accuracy计算的是正确率吗
正确率使用tf.metrics.accuracy来计算，总是发现机器学不到什么。
然后就不断加层，调参数，各种折腾。
关键我还是几个网络在一起工作。。。。
后来终于看它不顺眼，用了一个更顺眼的方式来计算正确率，就这么从坑里出来了。
正常的计算单个batch正确率的代码
python
correct_prediction = tf.equal( tf.argmax(y_, 1), tf.argmax(output, 1))
accuracy = tf.reduce_mean( tf.cast(correct_prediction, tf.float32))
简单的讲，它计算的是整个session生存期内，所有feed_dict中的数据的正确率。
不是单个batch的正确率
”`python
import os
os.environ[‘TF_CPP_MIN_LOG_LEVEL’] = ‘3’
import numpy as np
import tensorflow as tf
print(tf.version)
x = tf.placeholder(tf.int32, [5])
y = tf.placeholder(tf.int32, [5])
acc, acc_op = tf.metrics.accuracy(labels=x, predictions=y)
sess = tf.InteractiveSession()
sess.run(tf.global_variables_initializer())
sess.run(tf.local_variables_initializer())
v = sess.run([acc, acc_op], feed_dict={x: [1, 0, 0, 0, 0],
y: [1, 0, 0, 0, 1]})
print(v)
#acc 与acc op都 运行，得到的都是正确率，不过acc是用来更新的，当前的feed_dict不计入
#另外，acc_op会维护历史数据，acc只是从历史数据中获得结果
#如果不运行acc_op, 历史数据不会更新
#所以acc输出是0， acc_op是0.8
v = sess.run(acc)
print(v)
#这里单独运行acc，对历史数据做统计，输出0.8
v = sess.run([acc_op], feed_dict={x: [1, 0, 0, 0, 0],
y: [0, 1, 1, 1, 1]})
print(v)
#这里单独运行acc_op, 历史正确率是0.4
v = sess.run([acc], feed_dict={x: [0, 1, 1, 1, 1],
y: [0, 1, 1, 1, 1]})
print(v)
#这里单独运行acc，输出历史正确率0.4，历史数据得不到更新
#实际的历史正确率是0.6
sess.close()
sess = tf.InteractiveSession()
sess.run(tf.global_variables_initializer())
sess.run(tf.local_variables_initializer())
v = sess.run([acc, acc_op], feed_dict={x: [1, 0, 0, 0, 0],
y: [1, 0, 0, 0, 1]})
print(v)
#重新开始一个session，重新计算正确率
”`
Reference：
1. https://github.com/tensorflow/tensorflow/issues/15115
2. https://github.com/tensorflow/tensorflow/issues/9498
3. https://stackoverflow.com/questions/46409626/how-to-properly-use-tf-metrics-accuracy