Python mxnet.metric.TopKAccuracy用法及代码示例

用法: class mxnet.metric.TopKAccuracy(top_k=1, name='top_k_accuracy', output_names=None, label_names=None)

参数：

top_k：(int) - 目标是否在前 k 个预测中。
name：(str) - 此度量实例的名称用于显示。
output_names：(list of str, or None) - 使用update_dict 更新时应使用的预测名称。默认情况下包括所有预测。
label_names：(list of str, or None) - 使用update_dict 更新时应使用的标签名称。默认情况下包括所有标签。

基础： mxnet.metric.EvalMetric

计算前 k 个预测准确度。

TopKAccuracy 与 Accuracy 的不同之处在于，只要地面实况标签位于前 K 个谓词标签中，它就会认为预测为 True。

如果 top_k = 1 ，则 TopKAccuracy 与 Accuracy 相同。

例子：

>>> np.random.seed(999)
>>> top_k = 3
>>> labels = [mx.nd.array([2, 6, 9, 2, 3, 4, 7, 8, 9, 6])]
>>> predicts = [mx.nd.array(np.random.rand(10, 10))]
>>> acc = mx.metric.TopKAccuracy(top_k=top_k)
>>> acc.update(labels, predicts)
>>> print acc.get()
('top_k_accuracy', 0.3)

相关用法

注：本文由纯净天空筛选整理自apache.org大神的英文原创作品 mxnet.metric.TopKAccuracy。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。