TensorFlow函數(shù)教程：tf.nn.in_top_k

tf.nn.in_top_k函數(shù)

tf.nn.in_top_k(
    predictions,
    targets,
    k,
    name=None
)

定義在：tensorflow/python/ops/nn_ops.py.

請(qǐng)參閱指南：神經(jīng)網(wǎng)絡(luò)>評(píng)估

說(shuō)明目標(biāo)是否在前K個(gè)預(yù)測(cè)中.

這輸出了一個(gè)batch_size bool數(shù)組,如果目標(biāo)類(lèi)的預(yù)測(cè)是所有預(yù)測(cè)(例如i)中的前k個(gè)預(yù)測(cè),則條目out[i]為true.請(qǐng)注意,InTopK的行為在處理關(guān)系時(shí)與TopK操作不同；如果多個(gè)類(lèi)具有相同的預(yù)測(cè)值并跨越top-k邊界,則所有這些類(lèi)都被認(rèn)為是在前k個(gè).

更具體的介紹：

對(duì)于示例i：\(predictions_i \)是所有類(lèi)的預(yù)測(cè),；\(targets_i \)是目標(biāo)類(lèi)；\(out_i \)是輸出.

$out_i = predictions_{i, targets_i} \in TopKIncludingTies(predictions_i)$

參數(shù)：

• predictions：float32類(lèi)型的Tensor.batch_size x classes張量.
• targets：一個(gè)Tensor,必須是以下類(lèi)型之一：int32,int64.類(lèi)ids的batch_size向量.
• k：int類(lèi)型,要計(jì)算精度的頂級(jí)元素?cái)?shù).
• name：操作的名稱(chēng)(可選).

返回：

bool類(lèi)型的Tensor.以bool Tensor計(jì)算k處的精度.