如何得到一致的结果

Question

我被张量流度量平均值_iou（）难住了。我尝试使用会导致相同数据的结果不一致，而且我在任何地方都找不到有用的示例。在

这篇博文讨论了这个问题。。。但我不能用这里的想法来解决我的问题。http://ronny.rest/blog/post_2017_09_11_tf_metrics/

最终目标是使用validation_func(y_true, y_pred)作为参数'metric'传递给Keras模型.编译（）方法。在

最终目标

像是。。。在

def my_iou(y_true, y_pred):
  num_classes = 2
  score, update_op = tf.metrics.mean_iou(tf.argmax(y_true, axis=3), tf.argmax(y_pred, axis=3), num_classes)
  K.get_session().run(tf.local_variables_initializer())
  # K.get_session().run(tf.global_variables_initializer())
  with tf.control_dependencies([update_op]):
    final_score = tf.identity(score)
  return final_score

虚拟数据

• 尺寸为：（批次、高度、宽度、数量级）
• 类1-前景对象；我要分割的对象
• 0级-背景

我真正关心的是一班的借据。在这种情况下，应为7/9=0.778。但我希望这篇文章能说出的是每堂课的平均借据。。。在

• iou等级0:0/2=0
• iou等级1:7/9=0.778
• 总体：平均值（借据0，借据1）=0.3889

数据

^{pr2}$

如果我用下面这样的东西来模拟，大多数时候我得到预期的0.3889。。。但我偶尔也会得到3.5或0.0，我不知道为什么？在

results = []
for i in range(20):
  with tf.Session() as sess:
    y_t = tf.convert_to_tensor(y_true)
    y_p = tf.convert_to_tensor(y_pred)
    results.append(my_iou(y_t, y_p).eval())

最近的跑步

[0.3888889,
 0.3888889,
 0.3888889,
 0.3888889,
 3.5,
 0.3888889,
 0.3888889,
 0.3888889,
 0.3888889,
 0.3888889,
 0.3888889,
 0.3888889,
 0.3888889,
 3.5,
 0.3888889,
 0.3888889,
 0.3888889,
 3.5,
 0.3888889,
 0.3888889]

有什么帮助吗？在

编辑

现在我使用的是硬编码的二进制分类，但我不喜欢它。不可概括，可能太简单，也可能完全错误。（同样值得注意的是。。。在这段代码中，类0是前景，与我的示例设置不同，类1是前景）

def my_iou_binary(self, y_true, y_pred):
  yt0 = y_true[:,:,:,0]
  yp0 = K.cast(y_pred[:,:,:,0] > 0.5, 'float32')

  inter = tf.count_nonzero(tf.logical_and(tf.equal(yt0, 1), tf.equal(yp0, 1)))
  union = tf.count_nonzero(tf.add(yt0, yp0))
  iou = tf.where(tf.equal(union, 0), 1., tf.cast(inter/union, 'float32'))

  return iou