世界杯2022是哪个国家_国足世界杯出线 - dtfyjq.com

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。