训练 model 后无法提取单个预测

Question

我有一个 model 报告测试数据集的准确度约为 0.67。 但是，我想提取每个样本的单个预测，看看它在每个样本上的表现如何。 我读到我应该在 session 中运行 logits 层，并会得到每个样本的预测数组。 这似乎不起作用，因为它只会对验证集中的每个样本的第一个类别进行预测。

    # predictions
    logits = tf.layers.dense(flat_d, NUM_CLASSES, activation=tf.nn.relu)

    # Cost function and optimizer
    cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=logits,labels=labels))
    # cost = -tf.reduce_sum(labels*tf.log(logits + 1e-10))
    train_step = tf.train.AdamOptimizer(learning_rate_).minimize(cost)

    # Accuracy
    correct_pred = tf.equal(tf.argmax(logits, 1), tf.argmax(labels, 1))
    accuracy = tf.reduce_mean(tf.cast(correct_pred, tf.float32), name='accuracy')
....

    print("Initializing the model")
    sess = tf.Session()
    sess.run(tf.global_variables_initializer())

    for e in np.arange(num_epochs):
        bx,by = load_batch(trainX,trainY,batch_size_)
        sess.run(train_step,feed_dict={inputs:bx,labels:by,keep_prob:0.9,learning_rate_:learn_rate})

    acc = sess.run(accuracy,feed_dict={inputs:testX,labels:testY,keep_prob:1.0,learning_rate_:learn_rate})
    print("----------\nAccuracy:%.3f"%(acc))


    # Extract individual precitions by class
    print(sess.run(logits,feed_dict={inputs:testX,labels:testY,keep_prob:1.0}))

以下是output的总结：

Number of validation samples: 203

By category:
 0: 34
 1: 138
 2: 31

print(sess.run(accuracy,feed_dict={inputs:testX,labels:testY,keep_prob:1.0,learning_rate_:learn_rate}))
Accuracy:0.680

print(sess.run(logits,feed_dict={inputs:testX,labels:testY,keep_prob:1.0}))

[[1.6453042  0.         0.        ]
 [1.454038   0.         0.        ]
 [1.6372575  0.         0.        ]
 [1.5505953  0.         0.        ]
 [1.6624011  0.         0.        ]
 [1.6376897  0.         0.        ]
 [1.5477558  0.         0.        ]
 [1.5303426  0.         0.        ]
 [1.3636262  0.         0.        ]
 [1.5397886  0.         0.        ]
 [1.8849531  0.         0.        ]
.....

etc.

关于我做错了什么的任何指示，或者我如何提取每个样本的预测而不仅仅是整体准确性？

谢谢

Answer 1

命令print(sess.run(logits,feed_dict={inputs:testX,labels:testY,keep_prob:1.0}))打印每个Class的Probabilities 。

在您的代码中，您使用的是NUM_CLASSES和softmax_cross_entropy_with_logits ，这表明您的机器学习问题是具有 3 个Classes的Classification 。

截至目前，您的预测不正确（

[[1.6453042  0.         0.        ]
 [1.454038   0.         0.        ]

) 因为您使用Activation Function, ' Relu ' 进行Classification 。

您需要在代码中为正确Predictions进行的一项更正是将“ relu ”替换为“ softmax ”，即替换

logits = tf.layers.dense(flat_d, NUM_CLASSES, activation=tf.nn.relu)

和

logits = tf.layers.dense(flat_d, NUM_CLASSES, activation=tf.nn.softmax)

然后print(sess.run(logits,feed_dict={inputs:testX,labels:testY,keep_prob:1.0}))将 output 之类的东西，

[9.87792790e-01, 1.05240829e-02, 4.70216728e-05],
       [8.80016625e-01, 1.13000005e-01, 5.14236337e-04]

每个值代表对应于相应Class的Probability 。

如果您遇到任何其他错误，请告诉我，我很乐意为您提供帮助。

希望这可以帮助。 快乐学习！