我正在使用 https://github.com/Microsoft/FERPlus 的FER2013Plus数据集，其中包含fer2013new.csv文件。此文件包含数据集中每个图像的标签。标签上的一个例子可以是：
(4， 0， 0， 2， 1， 0， 0， 3(
其中每个维度都是不同的情感。最后，在他们的论文 https://arxiv.org/pdf/1608.01041.pdf 中，他们将标签分布转换为概率=>新标签将变为
(0.5， 0， 0，0.25， 0.125， 0， 0， 0.375(
换句话说，图像中的人快乐的概率为0.5，悲伤的概率为0.25，依此类推......概率之和为 1。
现在，在训练时，我使用tf.nn.softmax_cross_entropy_with_logits_v2来计算我的预测和标签之间的损失。现在如何计算精度？
任何帮助都非常感谢！！
以下是论文的摘录：
"我们把大多数人的情感作为单一的 情绪标签，我们衡量预测的准确性 大多数人的情绪。
他们使用的是离散分类任务。因此，您只需要在对数上取tf.argmax()即可获得最高概率，然后将其与标签的tf.argmax()进行比较。
例如，如果你的标签是(0.5, 0, 0, 0.25, 0.125, 0, 0, 0.375)，那么快乐是多数情绪，所以你要检查你的logits是否也快乐是多数情绪。