TFのようなインポートtensorflow
NPとしてインポートnumpyの
N_TRUE_P = 0
N_PRED_P = 0
：DEF reset_running_variables（）
"" "リセットしゼロに変数を実行する前の値"""
グローバルN_TRUE_P、N_PRED_P
N_TRUE_P = 0
N_PRED_P = 0
DEF update_running_variables（ラボ、preds ）：
グローバルN_TRUE_P、N_PRED_P
N_TRUE_P + =（（ラボ* preds）> 0）.SUM（）
N_PRED_P + =（preds> 0）.SUM（）
DEF calculate_precision（）：
グローバルN_TRUE_P、N_PRED_Pの
リターンフロート（N_TRUE_P）/ N_PRED_P
もし__name__ == '__main__'：
ラベル= np.array（[1,1,1,0]、
[1,1,1,0]、
[1,1,1,0]、
[1,1,1,0]、DTYPE = np.uint8）
予測値= np.array（[1,0,0,0]、
[1,1,0 、0]、
[1,1,1,0]、
[0,1,1,1]、DTYPE = np.uint8）
n_batches = LEN（ラベル）
＃#numpy
＃reset_running_variables（）
＃
iに対する＃範囲内（n_batches）：
＃1 update_running_variables（ラボ=ラベル[i]は、preds =予測[I]） ＃
＃
精度= calculate_precision（）
＃プリント（ "[NP] SCORE：％1.4f" ％の精度）
#tensorflow
グラフ= TF。グラフ（）
graph.as_defaultと（）：
＃プレースホルダは、データONFバッチで取る
＃変数を実行しているリセット/初期化する初期化子の定義
tf_label = tf.placeholder（DTYPE = tf.int32、形状= [なし]）
tf_prediction = tf.placeholder（DTYPE = tf.int32、形状= [なし]）
＃メトリックおよび更新操作を定義
tf_metric、tf_metric_update = tf.metrics .precision（tf_label、
tf_prediction、
NAME = "my_metric"）
＃アイソメトリック動作によって背後格納された変数
running_vars = tf.get_collection（tf.GraphKeys.LOCAL_VARIABLES、スコープ= "my_metric"）
running_vars_initializer = tf.variables_initializer（var_list = running_vars）
セッションとしてtf.Session（グラフ=グラフ）を有します。
session.run（tf.global_variables_initializer（））
＃初期化/実行変数リセット
session.run（running_vars_initializer）の
範囲（n_batches）にiについて：
＃更新サンプルの新しいバッチで実行されている変数
feed_dict = {tf_label：ラベル[I] 、tf_prediction：予測[I]}
session.run（tf_metric_update、feed_dict = feed_dict）
＃計算スコア
スコア= session.run（tf_metric）
プリント（ "[TF] SCORE：％1.4f" ％スコア）
参考ます。https：//zhuanlan.zhihu.com/p/43359894