如何用张量流计算AUC?

问题描述

我已经使用 Tensorflow 构建了一个二元分类器，现在我想使用 AUC 和准确性来评估分类器.

就准确性而言，我可以很容易地这样做:

X = tf.placeholder('float', [None, n_input])y = tf.placeholder('float', [None, n_classes])pred = mlp(X，权重，偏差，dropout_keep_prob)正确预测 = tf.equal(tf.argmax(pred, 1), tf.argmax(y, 1))精度 = tf.reduce_mean(tf.cast(correct_prediction, "float"))

在计算 AUC 时，我使用以下内容:

print(tf.argmax(pred, 1).dtype.name)打印(tf.argmax(pred, 1).dtype.name)a = tf.cast(tf.argmax(pred, 1),tf.float32)b = tf.cast(tf.argmax(y,1),tf.float32)auc = tf.contrib.metrics.streaming_auc(a, b)

在训练循环中:

train_acc = sess.run(accuracy, feed_dict={X: batch_xs, y: batch_ys, dropout_keep_prob:1.})train_auc = sess.run(auc, feed_dict={X: batch_xs, y: batch_ys, dropout_keep_prob:1.})

这给了我以下输出(和错误)错误:

int64int64/usr/local/lib/python3.5/dist-packages/tensorflow/python/ops/array_ops.py:1197: VisibleDeprecationWarning: 使用 ndim > 转换数组0 到一个索引将导致将来出错result_shape.insert(dim, 1)网络搭建成功...开始训练...时代:000/300 成本:0.618990561回溯(最近一次调用最后一次):文件/usr/local/lib/python3.5/dist-packages/tensorflow/python/client/session.py"，第 715 行，在 _do_call返回 fn(*args)文件/usr/local/lib/python3.5/dist-packages/tensorflow/python/client/session.py"，第 697 行，在 _run_fn状态，运行元数据)文件/usr/lib/python3.5/contextlib.py"，第 66 行，在 __exit__ 中下一个(self.gen)文件/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/errors.py"，第450行，raise_exception_on_not_ok_statuspywrap_tensorflow.TF_GetCode(status))tensorflow.python.framework.errors.FailedPreconditionError:试图使用未初始化的值 auc/false_positives[[节点:auc/false_positives/read = Identity[T=DT_FLOAT, _class=["loc:@auc/false_positives"], _device="/job:localhost/replica:0/task:0/cpu:0"](auc/false_positives)]]在处理上述异常的过程中，又发生了一个异常:回溯(最近一次调用最后一次):文件./mlp_.py"，第 152 行，位于 <module>train_auc = sess.run(auc, feed_dict={X: batch_xs, y: batch_ys, dropout_keep_prob:1.})运行中的文件/usr/local/lib/python3.5/dist-packages/tensorflow/python/client/session.py"，第 372 行run_metadata_ptr)文件/usr/local/lib/python3.5/dist-packages/tensorflow/python/client/session.py"，第 636 行，在 _runfeed_dict_string、选项、run_metadata)文件/usr/local/lib/python3.5/dist-packages/tensorflow/python/client/session.py"，第 708 行，在 _do_run目标列表、选项、运行元数据)文件/usr/local/lib/python3.5/dist-packages/tensorflow/python/client/session.py"，第 728 行，在 _do_call引发类型(e)(节点定义，操作，消息)tensorflow.python.framework.errors.FailedPreconditionError:试图使用未初始化的值 auc/false_positives[[节点:auc/false_positives/read = Identity[T=DT_FLOAT, _class=["loc:@auc/false_positives"], _device="/job:localhost/replica:0/task:0/cpu:0"](auc/false_positives)]]由 op 'auc/false_positives/read' 引起，定义于:文件./mlp_.py"，第 121 行，位于 <module>auc = tf.contrib.metrics.streaming_auc(a, b)文件/usr/local/lib/python3.5/dist-packages/tensorflow/contrib/metrics/python/ops/metric_ops.py"，第718行，streaming_auc预测、标签、阈值、ignore_mask)文件/usr/local/lib/python3.5/dist-packages/tensorflow/contrib/metrics/python/ops/metric_ops.py"，第603行，_tp_fn_tn_fpfalse_positives = _create_local('false_positives', shape=[num_thresholds])文件/usr/local/lib/python3.5/dist-packages/tensorflow/contrib/metrics/python/ops/metric_ops.py"，第 75 行，在 _create_local集合=集合)文件/usr/local/lib/python3.5/dist-packages/tensorflow/python/ops/variables.py"，第211行，在__init__数据类型=数据类型)文件/usr/local/lib/python3.5/dist-packages/tensorflow/python/ops/variables.py"，第 319 行，在 _init_from_argsself._snapshot = array_ops.identity(self._variable, name="read")文件/usr/local/lib/python3.5/dist-packages/tensorflow/python/ops/gen_array_ops.py"，第831行，身份result = _op_def_lib.apply_op("身份", input=input, name=name)文件/usr/local/lib/python3.5/dist-packages/tensorflow/python/ops/op_def_library.py"，第704行，在apply_opop_def=op_def)文件/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/ops.py"，第 2260 行，在 create_op 中original_op=self._default_original_op, op_def=op_def)文件/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/ops.py"，第 1230 行，在 __init__ 中self._traceback = _extract_stack()

我不明白我做错了什么，为什么在使用准确性时只有代码运行良好，但在使用 AUC 时会引发此错误.您能否提示我正确的方向以了解如何解决此问题?

我的目标是计算 AUC 和 ROC，以便更好地评估二元分类器的性能.

解决方案

我在 github 上发现了同样的问题