我正在使用来自https://github.com/Microsoft/FERPlus的FER2013Plus数据集，其中包含fer2013new.csv文件。该文件包含数据集中每个图像的标签。标签上的示例可能是：
（4，0，0，2，1，1，0，0，3）
每个维度都是不同的情感。最后，在他们的论文https://arxiv.org/pdf/1608.01041.pdf中，他们将标签分布转换为概率=>新标签将变为
（0.5、0、0、0.25、0.125、0、0、0.375）
换句话说，图像中的人以0.5的概率感到满意，以0.25的概率感到悲伤，依此类推...而这些概率的总和为1。
现在，在训练过程中，我习惯tf.nn.softmax_cross_entropy_with_logits_v2了计算预测和标签之间的损失。现在如何计算精度？
任何帮助深表感谢！！
这是论文的摘录：
“我们将多数情绪作为单一情绪标签，并且针对多数情绪测量预测准确性。”
他们正在使用离散分类任务。因此，您只需要tf.argmax()在logit上获得最高的概率，然后将其与tf.argmax()标签的进行比较即可。
例如，如果标签为(0.5, 0, 0, 0.25, 0.125, 0, 0, 0.375)，则高兴是多数情绪，因此您将检查自己的日志是否也具有多数情绪。
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