深度學習基礎系列（二）| 常見的Top-1和Top-5有什么區別？

　　在深度學習過程中，會經常看見各成熟網絡模型在ImageNet上的Top-1准確率和Top-5准確率的介紹，如下圖所示：

 

　　那Top-1 Accuracy和Top-5 Accuracy是指什么呢？區別在哪呢？我們知道ImageNet有大概1000個分類，而模型預測某張圖片時，會給出1000個按概率從高到低的類別排名，

　　所謂的Top-1 Accuracy是指排名第一的類別與實際結果相符的准確率，

　　而Top-5 Accuracy是指排名前五的類別包含實際結果的准確率。

　　下面的代碼可更為直觀地說明其中的區別：

import numpy as np
import tensorflow.keras.backend as K

# 隨機輸出數字0~9的概率分布
output = K.random_uniform_variable(shape=(1, 10), low=0, high=1)
# 實際結果假設為數字1
actual_pos = K.variable(np.array([1]), dtype='int32')
print("數字0~9的預測概率分布為:", K.eval(output))
print("實際結果為數字:", K.eval(actual_pos))
print("實際結果是否in top 1: ", K.eval(K.in_top_k(output, actual_pos, 1)))
print("實際結果是否in top 5: ", K.eval(K.in_top_k(output, actual_pos, 5)))

　　運行后再看看結果為：

數字0~9的預測概率分布為: [[0.301023   0.8182187  0.71007144 0.80164504 0.7268218  0.58599055 0.19250274 0.9076816  0.8101771  0.49439466]]
實際結果為數字: [1]
實際結果是否in top 1:  [False]
實際結果是否in top 5:  [ True]

　　從結果上看，output中排名最高的值為0.9076816，其對應的數字為7，而實際數字為1，故不在Top1，而數字1對應的值為0.8182187，排名第二，故在Top5內。