我在尝试了解 tf.metrics.accuracy 的工作原理。我想比较以下函数的批次准确度结果

with tf.name_scope('Accuracy1'):        correct_prediction = tf.equal(tf.argmax(predictions, 1), tf.argmax(y, 1))        accuracy1 = tf.reduce_mean(tf.cast(correct_prediction, tf.float32), name="accuracy")

与

with tf.name_scope('Accuracy2'):        accuracy2, accuracy_op = tf.metrics.accuracy(labels=tf.argmax(y, 1), predictions=tf.argmax(predictions, 1))

提供了以下最小工作示例:

我使用这两种方法打印了每个批次的准确度值，它们是不同的。结果不应该是相同的吗？

[手写] 批次 0 准确度: 0.09600000083446503[tf.metrics.accuracy] 批次 0 准确度: 0.09399999678134918[手写] 批次 1 准确度: 0.1120000034570694[tf.metrics.accuracy] 批次 1 准确度: 0.07800000160932541[手写] 批次 2 准确度: 0.10199999809265137[tf.metrics.accuracy] 批次 2 准确度: 0.09600000083446503[手写] 批次 3 准确度: 0.12999999523162842[tf.metrics.accuracy] 批次 3 准确度: 0.12800000607967377[手写] 批次 4 准确度: 0.1379999965429306[tf.metrics.accuracy] 批次 4 准确度: 0.10199999809265137[手写] 批次 5 准确度: 0.16200000047683716[tf.metrics.accuracy] 批次 5 准确度: 0.1340000033378601[手写] 批次 6 准确度: 0.1340000033378601[tf.metrics.accuracy] 批次 6 准确度: 0.12600000202655792[手写] 批次 7 准确度: 0.12999999523162842[tf.metrics.accuracy] 批次 7 准确度: 0.16200000047683716............

回答：

在测量这两种情况的准确度时，您传递的 dropout rate 为 0.5。这就是为什么会得到两个不同的值。将 dropout 值设置为 1.0，您应该会看到两种情况的类似值。