import tensorflow as tf
import numpy as np
logits = tf.placeholder(tf.float32, shape=(None,10))
labels = tf.placeholder(tf.int32, shape=(None))
top_k_op = tf.nn.in_top_k(logits, labels,1)
a = np.array([range(10),range(3,13)]) # 这里预测最大的都是最后一个 9号
b = np.array([9,8]) # 真正结果为9,8号, 所以第一个对应, 第二个不对应
sess = tf.Session()
sess.run(tf.initialize_all_variables())
preds = sess.run([top_k_op], feed_dict={logits:a, labels:b})
# print(sess.run(logits, feed_dict={logits:a}))
print(preds)
# 输出 [True, False]
[tensorflow] 得出预测结果 tf.nn.in_top_k()
最新推荐文章于 2023-07-04 18:49:25 发布
本文通过使用TensorFlow和NumPy实现了一个简单的预测示例。该示例创建了占位符用于预测值和真实标签,并利用TensorFlow的in_top_k函数进行比较。通过具体的数值输入,演示了预测准确性的计算过程。
部署运行你感兴趣的模型镜像
您可能感兴趣的与本文相关的镜像
TensorFlow-v2.15
TensorFlow
TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

622

被折叠的 条评论
为什么被折叠?



