在 tf.Estimator 设置中使用 tf.metrics.precision/recall 计算 F1 分数

Question

我正在尝试在 tf.Estimator 设置中计算 F1 分数。

我看过这个，但无法从中提炼出有效的解决方案。

tf.Estimator 的问题是它希望我提供一个值和一个更新操作，所以现在，我的模型末尾有这段代码：

if mode == tf.estimator.ModeKeys.EVAL:
    with tf.variable_scope('eval'):
        precision, precision_update_op = tf.metrics.precision(labels=labels,
                                            predictions=predictions['class'],
                                            name='precision')

        recall, recall_update_op = tf.metrics.recall(labels=labels,
                                      predictions=predictions['class'],
                                      name='recall')

        f1_score, f1_update_op = tf.metrics.mean((2 * precision * recall) / (precision + recall), name='f1_score')

        eval_metric_ops = {
            "precision": (precision, precision_update_op),
            "recall": (recall, recall_update_op),
            "f1_score": (f1_score, f1_update_op)}

现在准确率和召回率似乎都很好，但在 F1 分数上，我一直在 nan。

我应该如何让它工作？

编辑：

可以使用 tf.contrib.metrics.f1_score 实现可行的解决方案，但由于 contrib 将在 TF 2.0 中弃用，我希望能有一个 contrib 更少的解决方案

Answer 1

1) 为什么要 tf.metrics.mean？召回率和精度是标量值

2) 你试过打印 f1_score 和 f1_update_op 吗？

3) 从 documentation of recall 他们提到

For estimation of the metric over a stream of data, the function creates an update_op that updates these variables and returns the recall. update_op weights each prediction by the corresponding value in weights

由于您直接从处理更新的两个操作中获取 F1 分数，请尝试执行 tf.identity（这实际上不会导致任何更改）

Answer 2

可以根据精度和召回值计算 f1 值张量。指标必须是 (value, update_op) 元组。我们可以为 f1 传递 tf.identity。这对我有用：

import tensorflow as tf

def metric_fn(labels, logits):
    predictions = tf.argmax(logits, axis=-1)
    pr, pr_op = tf.metrics.precision(labels, predictions)
    re, re_op = tf.metrics.recall(labels, predictions)
    f1 = (2 * pr * re) / (pr + re)
    return {
        'precision': (pr, pr_op),
        'recall': (re, re_op),
        'f1': (f1, tf.identity(f1))
    }

Answer 3

我是这样做的：

def f1_score_class0(labels, predictions):
    """
    To calculate f1-score for the 1st class.
    """
    prec, update_op1 = tf.compat.v1.metrics.precision_at_k(labels, predictions, 1, class_id=0)
    rec,  update_op2 = tf.compat.v1.metrics.recall_at_k(labels, predictions, 1, class_id=0)

    return {
            "f1_Score_for_class0":
                ( 2*(prec * rec) / (prec + rec) , tf.group(update_op1, update_op2) )
    }

Answer 4

TensorFlow addons已经有官方解决方案

https://www.tensorflow.org/addons/api_docs/python/tfa/metrics/F1Score

在 tf.Estimator 设置中使用 tf.metrics.precision/recall 计算 F1 分数

Calculate F1 Score using tf.metrics.precision/recall in a tf.Estimator setup

python

tensorflow

tensorflow-estimator