如何基于TensorFlow 1对平均后的概率值计算准确率？

方法一：NumPy直接计算（推荐） #

由于mvalue已经是NumPy数组，直接用NumPy API计算更高效，无需额外TensorFlow图操作：

• 从平均概率中提取预测标签
• 和真实标签对比，计算批次准确率

单批次示例代码：

# 从平均概率获取预测标签
pred_labels = np.argmax(mvalue, axis=1)
# 计算当前批次准确率
batch_acc = np.mean(pred_labels == batch_labels)
# 转为百分比格式
batch_acc_percent = batch_acc * 100

多批次累计计算示例（和训练阶段逻辑一致）：

total_acc = 0.0
num_batches = ...  # 你的总批次数

for idx in range(num_batches):
    # 假设已获取当前批次的mvalue和batch_labels
    pred_labels = np.argmax(mvalue, axis=1)
    batch_acc = np.mean(pred_labels == batch_labels)
    total_acc += batch_acc

# 计算整体平均准确率
final_acc_percent = (total_acc / num_batches) * 100

方法二：TensorFlow图内计算 #

如果需要将准确率计算融入TensorFlow计算图（比如加入日志汇总），可以把mvalue转为TensorFlow张量后复用训练阶段的准确率逻辑：

# 将NumPy格式的平均概率转为TensorFlow张量
mvalue_tensor = tf.convert_to_tensor(mvalue, dtype=tf.float32)
# 计算预测标签
pred_labels = tf.argmax(mvalue_tensor, axis=1)
# 定义准确率计算节点
with tf.name_scope('ensemble_acc'):
    ensemble_acc = tf.reduce_mean(tf.cast(tf.equal(pred_labels, labels), tf.float32))

# 在会话中运行得到结果
acc_result = sess.run(ensemble_acc, feed_dict={labels: batch_labels})
acc_result_percent = acc_result * 100

关键注意点 #

• 确保mvalue的维度与真实标签匹配：mvalue应为[batch_size, num_classes]，batch_labels为[batch_size]的一维数组
• 两组概率probabilities_1和probabilities_2必须对应同一批输入数据的预测结果，否则平均操作无意义

内容的提问来源于stack exchange，提问作者cswah