Python mxnet.metric.TopKAccuracy用法及代碼示例

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

參數：

top_k：(int) - 目標是否在前 k 個預測中。
name：(str) - 此度量實例的名稱用於顯示。
output_names：(list of str, or None) - 使用update_dict 更新時應使用的預測名稱。默認情況下包括所有預測。
label_names：(list of str, or None) - 使用update_dict 更新時應使用的標簽名稱。默認情況下包括所有標簽。

基礎： mxnet.metric.EvalMetric

計算前 k 個預測準確度。

TopKAccuracy 與 Accuracy 的不同之處在於，隻要地麵實況標簽位於前 K 個謂詞標簽中，它就會認為預測為 True。

如果 top_k = 1 ，則 TopKAccuracy 與 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)

相關用法

注：本文由純淨天空篩選整理自apache.org大神的英文原創作品 mxnet.metric.TopKAccuracy。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。