Tensorflow检查哪些示例预测正确，哪些预测错误（一种混淆矩阵）

Question

我构建了两个不同的模型，我想检查这两个模型是否犯了相同的错误（错误地将相同的示例分类），或者它们是否犯了不同的错误。数据集只有两个标签：正/负

基本上我想要一个类似的混淆矩阵

#num examples两个模型预测正确
num examples模型A预测正确，但模型B预测错误
num examples模型B预测正确，但模型A预测错误
num examples两个模型预测错误

即，假设数据集中的示例#1由模型A正确预测，但由模型B错误预测。两人都错误地预测了示例2，两人都正确地预测了示例2。Byt“正确预测”我的意思是如果标签是阴性，我预测为阴性，如果标签是阳性，我预测为阳性

预期结果： 1|1|0|1

Answer 1

假设模型不是很大，并且可以同时将它们放在内存中，则可以初始化这两个模型（所有层、权重等），在这两个模型上加载训练值，然后设置一种测试方法，对批次执行推断，并检查每个模型的正/负。给定两个与相同测试值对应的正/负向量，可以创建一个复合向量

通过将正视为1，将负视为0，您可以：

vectorCompound = vectorModel1 + 2*vectorModel2

这样，您可以在vectorCompound中收集值：

• 0:都是负数
• 1：模型1为正，模型2为负
• 2：模型2为正，模型1为负
• 3:都是肯定的 从这里开始，创建矩阵应该很简单