Caffe不仅可以打印整体准确性,而且可以按类分类。
在Keras日志中,只有整体准确性。对我而言,很难计算出单独的班级准确性。
时代168/200
0s-损失:0.0495-acc:0.9818-val_loss:0.0519-val_acc:0.9796
时代169/200
0s-损失:0.0519-acc:0.9796-val_loss:0.0496-val_acc:0.9815
时代170/200
0s-损失:0.0496-acc:0.9815-val_loss:0.0514-val_acc:0.9801
任何人都知道如何在keras中输出每个类别的准确性吗?
精度和召回率是用于多类分类的更有用的度量(请参阅定义)。继Keras MNIST CNN例子(10级分类),你可以使用每类措施,classification_report
从sklearn.metrics:
from sklearn.metrics import classification_report
import numpy as np
Y_test = np.argmax(y_test, axis=1) # Convert one-hot to index
y_pred = model.predict_classes(x_test)
print(classification_report(Y_test, y_pred))
结果如下:
precision recall f1-score support
0 0.99 1.00 1.00 980
1 0.99 0.99 0.99 1135
2 1.00 0.99 0.99 1032
3 0.99 0.99 0.99 1010
4 0.98 1.00 0.99 982
5 0.99 0.99 0.99 892
6 1.00 0.99 0.99 958
7 0.97 1.00 0.99 1028
8 0.99 0.99 0.99 974
9 0.99 0.98 0.99 1009
avg / total 0.99 0.99 0.99 10000
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句