瞭解tf.metrics和slims streaming metric

Question

我不確定是否正確理解tf.metrics和tf.contrib.slim.metrics。

下面是該程序的一般流程：

# Setup of the neural network... 

# Adding some metrics 
dict_metrics[name] = compute_metric_and_update_op() 

# Getting a list of all metrics and updates 
names_to_values, names_to_updates = slim.metrics.aggregate_metric_map(dict_metrics) 

# Calling tf.slim evaluate 
slim.evaluation.evaluation_loop(eval_op=list(names_to_updates.values()), ...) 

假設我要計算的準確性。我有兩種選擇：a）計算所有批次中所有圖像中所有像素的精度 b）計算一張圖像中所有像素的精度，並取所有批次中所有圖像的所有精度的平均值。

對於版本A）這是我會寫：

name = "slim/accuracy_metric" 
dict_metrics[name] = slim.metrics.streaming_accuracy(
    labels, predictions, weights=weights, name=name) 

應等同於：

name = "accuracy_metric" 
accuracy, update_op = tf.metrics.accuracy(
    labels, predictions, weights=weights, name=name) 
dict_metrics[name] = (accuracy, update_op) 

此外，它應該是毫無意義的，甚至錯誤地加入這行

dict_metrics["stream/" + name] = slim.metrics.streaming_mean(accuracy) 

因爲我從tf.metrics.accuracy獲得的準確度已經在所有批次v ia update_op。正確？

如果我和選項B去），我可以做到這樣的效果：

accuracy = my_own_compute_accuracy(labels, predictions) 
dict_metrics["stream/accuracy_own"] = \ 
    slim.metrics.streaming_mean(accuracy) 

凡my_own_compute_accuracy（）計算爲標籤和預測張象徵準確性，但不返回任何更新操作。事實上，這個版本是否可以計算單個圖像或單個批次的精度？基本上，如果我將批量大小設置爲完整數據集的大小，那麼此度量是否與slim.metrics.streaming_accuracy的輸出相匹配？

最後，如果我添加兩次相同的更新操作，它會被調用兩次嗎？

謝謝！

Answer 1

是的，細流精確計算整個數據集中每批處理精度的平均值（如果只有一個時期）。

爲了您的準確性功能，它取決於你如何實現它。