如何使用tf.相等（）在TensorFlow中具有形状=（1，1）的标签张量？

Question

我在试着评估单个图像。到目前为止还有效。我得到了每个类的概率和正确的标签。但是当我试图用tf.argmax(label, 1)获得类时，我总是得到类“0”。在

...
image, label = ...
# label: Tensor("..", shape=(1, 1), dtype=int32)
logits = model(image)
# logits: Tensor("..", shape=(1, 10), dtype=float32)
predic = tf.nn.softmax(logits)
arg_log = tf.argmax(logits, 1)
arg_lbl = tf.argmax(label, 1)
...
pre, lbl, a_log, a_lbl = sess.run([predic, label, arg_log, arg_lbl])
print(pre)
# [[2.0451562e-06 # class 0
# 6.1964911e-06   # class 1
# 4.1852250e-06   # class 2
# 9.9847549e-01   # class 3 - We have a winner :)
# 8.2492170e-07   # class 4
# 3.1969071e-06   # class 5
# 1.5037126e-03   # class 6
# 1.6847488e-07   # class 7
# 6.7177882e-07   # class 8
# 3.4959594e-06]] # class 9
print(lbl)
# [[3]]
print(a_log)
# [3]
print(a_lbl)
# [0] # Why i dont get "3"?
...

对于每个数据点，我总是得到“0”。我想继续使用tf.equal()，但是标签的argmax值错误，这当然是不可能的。有什么想法吗？公司名称：

^{pr2}$

编辑

我每次都得到“0”，因为我得到了索引！我把问题改为： 如何使用tf.argmax公司（）在张量流中的形状=（1，1）的张量上？ 收件人： 如何使用tf.相等（）在TensorFlow中具有形状=（1，1）的标签张量？在

Answer 1

我找到了一个解决方案，将标签强制转换为int64，然后在tf.equal()中使用它。在

...
image, label = ...
logits = model(image)
cor_pre = tf.equal(tf.argmax(logits, 1), tf.cast(label, tf.int64))
...

Answer 2

任何形状（1，1）数组都将只包含一个元素。该元素必须是数组中的最大元素。在

Answer 3

基于documentation，tf.argmax()接受一个input，以及一个{}，以及其他参数。在

如果您的标签的形状为[1,1]，您希望从argmax跨轴1得到什么？只有一个条目。在

最有可能的情况是，您希望将标签与argmaxed结果进行比较。所以：

...
image, label = ...
# label: Tensor("..", shape=(1, 1), dtype=int32)
logits = model(image)
# logits: Tensor("..", shape=(1, 10), dtype=float32)
predic = tf.nn.softmax(logits)
arg_log = tf.argmax(logits, 1)
...
pre, lbl, a_log, a_lbl = sess.run([predic, label, arg_log, arg_lbl])
cor_pre = tf.equal(arg_log, tf.cast(label, tf.int64))