top1與top5准確率(acc)計算方法-深度學習

本文簡單介紹模型訓練時候，使用准確率求解過程，不涉及精確率和召回率計算，

本文給出簡要計算方法與代碼。

 

計算方法：

使用top1計算為例(以下以2個batch，3個num_classes舉列)：

網絡預測結果形式：pred=[b,num_classes] ，如pred=[[0.6,0.8,0.9],[0.7,0.4,0.3]]

真實標簽形式：label=[b]，如batch[1,0]

公式：預測正確/預測個數(即batch)

計算步驟：

步驟1：從pred找到預測最好的分別為[0.9,0.7],可知類別為[2,0]

步驟2：依次比較預測與label是否匹[2,0]--[1,0],可知第二個預測正確，則預測正確為1

步驟3：計算准確率為：1/2=50%

 

計算代碼：

 

import torch

def accuracy(output, target, topk=(1,)):
    maxk = max(topk)  # topk=(1,)取top1准確率，topk=(1,5)取top1和top5准確率
    batch_size = target.size(0)
    _, pred = output.topk(maxk, 1, True, True)  # topk參數中，maxk取得是top1准確率，dim=1是按行取值， largest=1是取最大值
    pred = pred.t()  # 轉置
    correct = pred.eq(target.view(1, -1).expand_as(pred)).contiguous()  # 比較是否相等

    res = []
    for k in topk:
        correct_k = correct[:k].view(-1).float().sum(0)
        res.append(correct_k.mul_(1 / batch_size))
    return res

import numpy as np

if __name__ == '__main__':
    N=60  # batch
    C=9  # 類別
    pred=np.random.rand(N,C)
    pred=torch.from_numpy(pred)
    label=np.random.randint(0,2,N)
    label=torch.from_numpy(label)
    r=accuracy(pred, label, topk=(1,5))  # topk=(1,5) 表示求解top1與top5的分類准確率
    print(r)
    # print(label)
    # print(pred)

結果顯示：