TensorFlow音频分类：tf.math.confusion_matrix报错predictions含负值的解决

问题场景 #

按照TensorFlow官方音频分类教程完成所有代码执行后，运行以下代码生成混淆矩阵时，在Kaggle和Jupyter Notebook中均出现错误：

confusion_mtx = tf.math.confusion_matrix(y_true, y_pred)
plt.figure(figsize=(10, 8))
sns.heatmap(confusion_mtx,
            xticklabels=label_names,
            yticklabels=label_names,
            annot=True, fmt='g')
plt.xlabel('Prediction')
plt.ylabel('Label')
plt.show()

错误信息 #

---------------------------------------------------------------------------
InvalidArgumentError                      Traceback (most recent call last)
Cell In[32], line 1
----> 1 confusion_mtx = tf.math.confusion_matrix(y_true, y_pred)
      2 plt.figure(figsize=(10, 8))
      3 sns.heatmap(confusion_mtx,
      4             xticklabels=label_names,
      5             yticklabels=label_names,
      6             annot=True, fmt='g')

File /opt/conda/lib/python3.10/site-packages/tensorflow/python/util/traceback_utils.py:153, in filter_traceback.<locals>.error_handler(*args, **kwargs)
    151 except Exception as e:
    152   filtered_tb = _process_traceback_frames(e.__traceback__)
---> 153   raise e.with_traceback(filtered_tb) from None
    154 finally:
    155   del filtered_tb

File /opt/conda/lib/python3.10/site-packages/tensorflow/python/ops/check_ops.py:487, in _binary_assert(sym, opname, op_func, static_func, x, y, data, summarize, message, name)
    484   if message is not None:
    485     data = [message] + list(data)
---> 487   raise errors.InvalidArgumentError(
    488       node_def=None,
    489       op=None,
    490       message=('\n'.join(_pretty_print(d, summarize) for d in data)))
    492 else:  # not context.executing_eagerly()
    493   if data is None:

InvalidArgumentError: `predictions` contains negative values.  
Condition x >= 0 did not hold element-wise:
x (shape=(832, 8) dtype=int64) = 
['-10', '-4', '-1', '...']

报错原因 #

tf.math.confusion_matrix要求输入的y_true和y_pred必须是非负的整数类别索引，但当前传入的y_pred存在负数，且形状为(832,8)——这说明传入的不是模型输出的类别预测结果，而是模型最后一层的原始logits（未经过softmax转换的输出），甚至可能是预处理后的音频特征或错误张量。

正常流程中，模型输出的logits需要通过tf.argmax(axis=1)转换为每个样本对应的类别索引（取值范围为0到类别数-1的整数），才能用于生成混淆矩阵。

解决方法 #

1. 转换模型输出为类别索引 #

如果y_pred是模型输出的logits（形状为(样本数, 类别数)），需用tf.argmax提取每个样本概率最高的类别索引：

# 假设model为训练好的模型，test_ds为测试数据集
y_pred_logits = model.predict(test_ds)
y_pred = tf.argmax(y_pred_logits, axis=1)

2. 确保真实标签为类别索引 #

如果y_true是one-hot编码形式（形状(样本数, 类别数)），同样需要转换为一维类别索引：

# 从测试数据集中提取真实标签
y_true = tf.concat([y for x, y in test_ds], axis=0)
# 若为one-hot编码则转换为索引
y_true = tf.argmax(y_true, axis=1) if len(y_true.shape) == 2 else y_true

3. 验证输入形状 #

转换完成后，y_true和y_pred都应为一维张量（形状为(样本数,)），而非二维的(样本数, 类别数)。

修改后的完整代码 #

# 获取模型输出并转换为类别索引
y_pred_logits = model.predict(test_ds)
y_pred = tf.argmax(y_pred_logits, axis=1)

# 处理真实标签为一维类别索引
y_true = tf.concat([y for x, y in test_ds], axis=0)
y_true = tf.argmax(y_true, axis=1) if len(y_true.shape) == 2 else y_true

# 生成并可视化混淆矩阵
confusion_mtx = tf.math.confusion_matrix(y_true, y_pred)
plt.figure(figsize=(10, 8))
sns.heatmap(confusion_mtx,
            xticklabels=label_names,
            yticklabels=label_names,
            annot=True, fmt='g')
plt.xlabel('预测值')
plt.ylabel('真实标签')
plt.show()

内容的提问来源于stack exchange，提问作者Sazzad Hissain Khan