C3D实现ucf101人体行为识别代码知识总结

C3D实现ucf101人体行为识别代码知识总结

    with tf.name_scope('accuracy'):
    accuracy = tf.reduce_mean(tf.cast(tf.equal(tf.argmax(logits, 1), tf.argmax(batch_labels, 1)), np.float32))
    tf.summary.scalar('accuracy', accuracy)

1. tf.argmax(logits, 1)是按行取出logits矩阵中最大值对应的索引（index）值，最后会生成一个向量
   0是按照列取出最大值的索引，若第一个参数为向量，最后的值为一个数值
2. tf.equal(A,B)是比较两个两个向量对应元素是否相等，相等为1，反之为0，生成一个和向量长度一样的元组，看到资料用的是小括号
3. tf.cast(data_1,dtype)将data_1(可以为int，bool，float,python列表，python元组【输出转换后的数据,原数据不变】）转换成指定dtype类型 这里强制转化成浮点型
4. tf.reduce_mean()，求均值
5. with tf.name_scope(‘loss’): 定义一块名为loss的区域，并在其中工作，只是规定了对象和操作属于哪个区域，但这并不意味着他们的作用域也只限于该区域（with的这种写法很容易让人产生这种误会），不要将其和“全局变量、局部变量”的概念搞混淆，两者完全不是一回事。在name_scope中定义的对象，从被定义的位置开始，直到后来某个地方对该对象重新定义，中间任何地方都可以使用该对象。本质上name_scope只对对象的name属性进行圈定，并不会对其作用域产生任何影响。这就好比甲、乙、丙、丁属于陈家，这里“陈家”就是一个name_scope划定的区域，虽然他们只属于陈家，但他们依然可以去全世界的任何地方，并不会只将他们限制在陈家范围。
6. tf.summary.scalar(
   name,
   tensor,
   collections=None,
   family=None）
   name：生成的节点的名称。也将作为TensorBoard中的系列名称。
   tensor：包含单个值的实数数值型张量。
   collections：图表集合键的可选列表。新summary op将添加到这些集合中。默认为[GraphKeys.SUMMARIES]。
   family： 可选的; 如果提供，则用作摘要标记名称的前缀，该名称用于控制在Tensorboard上显示的选项卡名称。

返回：
string类型的标量Tensor。其中包含一个Summary协议缓冲区，一般用第一和第二两个参数