| 深度学习基础系列（二） | 您所在的位置：网站首页 › top是1还是0 › 深度学习基础系列（二） |
深度学习基础系列（二）
开源之夏第三届火热来袭，高校学生参与赢万元奖金！>>>
在深度学习过程中，会经常看见各成熟网络模型在ImageNet上的Top-1准确率和Top-5准确率的介绍，如下图所示：
那Top-1 Accuracy和Top-5 Accuracy是指什么呢？区别在哪呢？我们知道ImageNet有大概1000个分类，而模型预测某张图片时，会给出1000个按概率从高到低的类别排名， 所谓的Top-1 Accuracy是指排名第一的类别与实际结果相符的准确率， 而Top-5 Accuracy是指排名前五的类别包含实际结果的准确率。 下面的代码可更为直观地说明其中的区别： import numpy as np import tensorflow.keras.backend as K # 随机输出数字0~9的概率分布 output = K.random_uniform_variable(shape=(1, 10), low=0, high=1) # 实际结果假设为数字1 actual_pos = K.variable(np.array([1]), dtype='int32') print("数字0~9的预测概率分布为:", K.eval(output)) print("实际结果为数字:", K.eval(actual_pos)) print("实际结果是否in top 1: ", K.eval(K.in_top_k(output, actual_pos, 1))) print("实际结果是否in top 5: ", K.eval(K.in_top_k(output, actual_pos, 5)))运行后再看看结果为： 数字0~9的预测概率分布为: [[0.301023 0.8182187 0.71007144 0.80164504 0.7268218 0.58599055 0.19250274 0.9076816 0.8101771 0.49439466]] 实际结果为数字: [1] 实际结果是否in top 1: [False] 实际结果是否in top 5: [ True]从结果上看，output中排名最高的值为0.9076816，其对应的数字为7，而实际数字为1，故不在Top1，而数字1对应的值为0.8182187，排名第二，故在Top5内。
|
【本文地址】
公司简介
联系我们