我想使用 tf.metrics.accuracy 来跟踪我的预测的准确性，但我不知道如何使用该函数返回的更新操作（下面的 acc_update_op）：

accuracy, acc_update_op = tf.metrics.accuracy(labels, predictions)

我认为将它添加到 tf.GraphKeys.UPDATE_OPS 中是有意义的，但我不确定如何操作。

回答：

tf.metrics.accuracy 是 TensorFlow 中许多流式度量操作之一（另一个是 tf.metrics.recall）。在创建时，会创建两个变量（count 和 total），以便累积所有传入的结果以获得最终结果。返回的第一个值是一个用于计算 count / total 的张量。返回的第二个操作是一个有状态函数，用于更新这些变量。流式度量函数在评估分类器在多个数据批次上的表现时非常有用。一个简单的使用示例：

# 构建阶段with tf.name_scope("streaming"):    accuracy, acc_update_op = tf.metrics.accuracy(labels, predictions)test_fetches = {    'accuracy': accuracy,    'acc_op': acc_update_op}# 在测试分类器时    with tf.name_scope("streaming"):    # 清除计数器以进行新的评估    sess.run(tf.local_variables_initializer())for _i in range(n_batches_in_test):    fd = get_test_batch()    outputs = sess.run(test_fetches, feed_dict=fd)print("准确率:", outputs['accuracy'])

我认为将它添加到 tf.GraphKeys.UPDATE_OPS 中是有意义的，但我不确定如何操作。

除非你仅将 UPDATE_OPS 集合用于测试目的，否则这样做不是一个好主意。通常，该集合中已经包含了某些控制操作（如移动批量归一化参数），这些操作是为训练阶段准备的，不应与验证阶段一起运行。最好是将它们保存在一个新的集合中，或者手动将这些操作添加到提取字典中。