输入到tensorflow的值应该是排名1还是排名2？

Question

我尝试用in_top_k函数来测试这个函数到底在做什么。但我发现了一些令人困惑的行为。在

首先我编码如下

import numpy as np
import tensorflow as tf

target = tf.constant(np.random.randint(2, size=30).reshape(30,-1), dtype=tf.int32, name="target")
pred = tf.constant(np.random.rand(30,1), dtype=tf.float32, name="pred")
result = tf.nn.in_top_k(pred, target, 1)

init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    targetVal = target.eval()
    predVal = pred.eval()
    resultVal = result.eval()

然后生成以下错误：

^{pr2}$

然后我把代码改成

import numpy as np
import tensorflow as tf
target = tf.constant(np.random.randint(2, size=30), dtype=tf.int32, name="target")
pred = tf.constant(np.random.rand(30,1).reshape(-1), dtype=tf.float32, name="pred")
result = tf.nn.in_top_k(pred, target, 1)

init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    targetVal = target.eval()
    predVal = pred.eval()
    resultVal = result.eval()

但现在错误变成了

ValueError: Shape must be rank 2 but is rank 1 for 'in_top_k/InTopKV2' (op: 'InTopKV2') with input shapes: [30], [30], [].

那么输入应该是秩1还是秩2？在

Answer 1

对于in_top_k，targets必须是秩1（类索引）和{}秩2（每个类的分数）。这很容易看出from the docs。
这意味着这两个错误消息实际上每次都会抱怨不同的输入（第一次是目标，第二次是预测），有趣的是消息中根本没有提到这一点。。。不管怎样，下面的片段应该更像：

import numpy as np
import tensorflow as tf

target = tf.constant(np.random.randint(2, size=30), dtype=tf.int32, name="target")
pred = tf.constant(np.random.rand(30,1), dtype=tf.float32, name="pred")
result = tf.nn.in_top_k(pred, target, 1)

init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    targetVal = target.eval()
    predVal = pred.eval()
    resultVal = result.eval()

在这里，我们基本上结合了“最好的两个片段”：第一个片段的预测和第二个片段的目标。然而，以我理解文档的方式，即使是二进制分类，我们也需要两个值用于预测，每个类一个值。所以有点像

^{pr2}$