TensorFlow函数：tf.metrics.mean_per_class_accuracy

tf.metrics.mean_per_class_accuracy函数

tf.metrics.mean_per_class_accuracy(
    labels,
    predictions,
    num_classes,
    weights=None,
    metrics_collections=None,
    updates_collections=None,
    name=None
)

定义在：tensorflow/python/ops/metrics_impl.py.

计算每个类的精确度的平均值.

计算每个类的精确度,然后取平均值.

为了估计数据流上的度量,该函数创建一个update_op操作,用于更新每个类的精确度并返回它们.

如果weights是None,则权重默认为1,使用权重0来屏蔽值.

参数：

• labels：具有形状[batch size]和类型为int32或int64的正确标记(ground truth)的labels的Tensor.如果秩> 1,则张量将flatten.
• predictions：语义labels的预测结果的Tensor,其形状为[batch size]和类型为int32或int64.如果秩> 1,则张量将flatten.
• num_classes：预测任务可能具有的labels数量.必须提供此值,因为将分配两个具有shape = [num_classes]的变量.
• weights：可选的Tensor,其秩为0或与labels具有相同的秩,并且必须可广播到labels(即,所有维度必须为1或者与相应的labels维度相同).
• metrics_collections：mean_per_class_accuracy应添加到的集合的可选列表.
• updates_collections：update_op应添加到的集合的可选列表.
• name：可选的variable_scope名称.

返回：

• mean_accuracy：一个Tensor,它表示每个类的精确度的平均值.
• update_op：更新精度张量的操作.

可能引发的异常：

• ValueError：如果predictions和labels有不匹配的形状,或者weights不是None,并且它的形状与predictions不匹配,或者如果metrics_collections或updates_collections中任意一个不是一个列表或元组.
• RuntimeError：如果启用了急切执行.