[tensorflow] 得出预测结果 tf.nn.in_top_k()

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
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]

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

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

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值