Tensorflow TypeError: Cannot convert 1e-12 to EagerTensor of dtype int32

Question

我有一个多类分类机器学习应用程序，我想使用 tensorflow 为其计算 f1 分数。预测值和实际值分别存储在 pandas 数据帧 y_pred 和 y_act 中。两者都填充有 1 和 0。所以我做了这样的事情：

# convert dataframes to numpy
pred_numpy = numpy.asarray([y_pred], numpy.int32)
act_numpy = numpy.asarray([y_act], numpy.int32)

# compute multiclass f1
metric = tfa.metrics.F1Score(num_classes=num_classes, average="macro")
metric.update_state(act_numpy, pred_numpy)
print(metric.result().numpy())

但是我得到以下错误

TypeError: Cannot convert 1e-12 to EagerTensor of dtype int32

一定是某些东西从 pandas 到 tensorflow 的类型转换引发了错误。我尝试了一系列缓解措施都无济于事。

我尝试将 numpy 数组转换为张量，如下所示： pred_tf = tf.convert_to_tensor(pred_numpy, numpy.int32)

我尝试确保 pandas 数据框没有 1e-12 个实例： y_pred = y_pred.replace(1e-12, 0)

我尝试在没有 numpy.int32 选项的情况下转换为 numpy。

但是我仍然遇到同样的错误。在不出现此错误的情况下成功从 pandas 转换为张量的任何提示？

Answer 1

这是 tfa api 文档中提供的代码示例：

metric = tfa.metrics.F1Score(num_classes=3, threshold=0.5)
y_true = np.array([[1, 1, 1],
                   [1, 0, 0],
                   [1, 1, 0]], np.int32)
y_pred = np.array([[0.2, 0.6, 0.7],
                   [0.2, 0.6, 0.6],
                   [0.6, 0.8, 0.0]], np.float32)
metric.update_state(y_true, y_pred)
result = metric.result()
result.numpy()

请注意，y_pred 数组是模型的原始输出并且是 float，可能来自 softmax 激活。如果您查看该函数的 code ，它是受支持的，因为它沿最终维度执行 argmax，或阈值概率。因此，如果您将这些转换为 int，概率将全部被截断为 0，尽管我怀疑您无论如何都传递了已经 argmaxed 的值。

我怀疑这个特定错误来自 API:

中的这一行

y_pred = tf.logical_and(y_pred >= threshold, tf.abs(y_pred) > 1e-12)

因为它无法将您提供的 int32 与 1e-12 进行比较，并尝试转换第二个值。

Tensorflow TypeError: Cannot convert 1e-12 to EagerTensor of dtype int32

Tensorflow TypeError: Cannot convert 1e-12 to EagerTensor of dtype int32

python

numpy

pandas

tensorflow

tensor