TensorFlow：tf.nn.in_top_k(logits, y, k)

最新推荐文章于 2022-06-16 21:49:37 发布
最新推荐文章于 2022-06-16 21:49:37 发布
阅读量366 收藏
点赞数
分类专栏： tensorflow Deep Learning AI
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Papageno_Xue/article/details/81749539
版权
tensorflow 同时被 3 个专栏收录
6 篇文章 0 订阅
订阅专栏
Deep Learning
5 篇文章 0 订阅
订阅专栏
AI
4 篇文章 0 订阅
订阅专栏

tf.nn.in_top_k(logits, y, k)
这里面logits 是对分类预测结果的一个打分，每个元素对应每个可能分类的所打分数，y是真实的标签值。
这个函数干的是这样一件事：这个logits的打分表中前k高的分数里面，是不是包含了真实的标签值？
返回布尔数 True or False。

一般取k=1, 就是最高分的类就是最后预测的类。

tf.nn.in_top_k(logits, y, 1)
Papageno2018
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
TensorFlow tf.nn.softmax_cross_entropy_with_logits的用法
01-20
在计算loss的时候，最常见的一句话就是tf.nn.softmax_cross_entropy_with_logits，那么它到底是怎么做的呢？ 首先明确一点，loss是代价值，也就是我们要最小化的值 tf.nn.softmax_cross_entropy_with_logits(logits,...
GPT-2——代码的实践一:样例代码分析（无采样序列生成）generate_unconditional_samples.py 中数据流动图解
三头六臂的小白
05-07 1375
相信肯定很多小伙伴都对GPT-2高性能感兴趣，但是看了它原著的代码有点望而却步... 本人也是为这个数据最终的流动困扰了几天，今天把它整理一个思维导图，分好几个层级 希望对大家有帮助 GPT-2generate_unconditional_samples.py+sample.py 中数据流动示意图gg 流程图 这里主要解释了 在模型中 context prev outp...
TensorFlow学习之路(1): correct = tf.nn.in_top_k(logits, labels, k)
IB_H20的博客
05-27 2721
TensorFlow in_top_k() top_k()
tf.nn.in_top_k()-解析，以及不适用范围
u014264373的博客
04-16 1042
1.in_top_k(predictions, targets, k, name=None)Args: predictions: 一种tf.float的张量。一个batch_size的x类张量。预测值，one-hot编码,size为[batch_size,label类别数]如在cifar10的分类上为[128,10]targets: 一个张量。必须是下列类型之一:int32, int64。size...
Tensorflow深度学习之三十一：tf.nn.top_k()
DaVinciL的博客
09-09 1万+
一、简介 def top_k(input, k=1, sorted=True, name=None) Finds values and indices of the k largest entries for the last dimension. If the input is a vector (rank=1), finds the k largest entries in th...
如何从模型的输出中解码多个可能的结果
qq_39805745的博客
06-16 798
最近在学习topk解码，如何获取按照概率排过序的模型输出结果呢？
tensorflow中四种不同交叉熵函数tf.nn.softmax_cross_entropy_with_logits() -
08-03
一、sigmoid交叉熵 二、softmax交叉熵 三、sparse_softmax交叉熵 四、weighted交叉熵
Vit_myself.zip
05-01
基于Vision Transformer的图像分类系统，pytorch版本的，训练数据集是植物叶片病害无标注数据集，训练100轮后最高准确率为99.74%，你也可以基于本架构训练你自己的数据集。博客地址：...
基于tensorflow的交叉熵算法.rar_tensorflow_交叉熵_交叉熵；tensorflow_深度学习
09-21
在TensorFlow中，可以使用`tf.nn.sparse_softmax_cross_entropy_with_logits()`函数。这个函数接受模型的logits（未经过softmax激活的输出）和标签索引，计算并返回每个样本的交叉熵损失。 2. **密集交叉熵...
深度学习：混淆矩阵，准确率，top1，top5，每一类的准确率
紫芝的博客
04-22 1万+
TP，FN，FP，TN TP（True Positive）：真实为0，预测为0； 关于神经网络图像分类中的Top-1和Top-5错误率 Top-1错误率 对一个图片，只判断概率最大的结果是否是正确答案。 Top-5错误率 对一个图片，判断概率排名前五中是否包含正确答案。 ...
机器学习中，评价指标Top
masterShaw的博客
11-30 832
实现代码： def evaluteTop1(model, loader): model.eval() correct = 0 total = len(loader.dataset) for x,y in loader: x,y = x.to(device), y.to(device) with torch.no_grad(): logits = model(x) pred = ..
TensorFlow2.0 数组排序 正确率计算(top_k)
廷益_飞鸟的博客
06-16 1194
import tensorflow as tf import numpy as np print(tf.__version__) 1.数组排序 tf.sort tf.argsort # 创建 0-4的数组 随机打散 arry = tf.random.shuffle(tf.range(0, 5)) print(ary) # 降序排序 tf.sort arry_sort = tf.sort(arry, direction="DESCENDING") print(arry_sort) # 降序序号 tf
TensorFlow函数：tf.nn.in_top_k()
Enchanted_ZhouH的博客
08-15 1万+
tf.nn.in_top_k()函数的参数如下：in_top_k(predictions, targets, k, name=None)       predictions：预测的结果，预测矩阵大小为样本数×标注的label类的个数的二维矩阵。       targets：实际的标签，大小为样本数。       k：每个样本的预测结果的前k个最大的数里面是否包含targets预测中的标签，一般都是取
tf.nn.in_top_k的用法
UESTC_C2_403的博客
06-13 2万+
tf.nn.in_top_k组要是用于计算预测的结果和实际结果的是否相等，返回一个bool类型的张量，tf.nn.in_top_k(prediction, target, K):prediction就是表示你预测的结果，大小就是预测样本的数量乘以输出的维度，类型是tf.float32等。target就是实际样本类别的标签，大小就是样本数量的个数。K表示每个样本的预测结果的前K个最大的数里面是否含有
tenworflow中top_k的理解
feng3702592的博客
07-06 380
import tensorflow as tf; A = [[0.8,0.6,0.3], [0.1,0.6,0.4]]B = [1, 1]out = tf.nn.in_top_k(A, B, 1)with tf.Session() as sess: sess.run(tf.initialize_all_variables()) print sess.run(out)
tf.nn.top_k() tf.nn.in_top_k()
热门推荐
wuguangbin1230的博客
05-31 3万+
1..中文 tf.nn.top_k(input, k, name=None) 解释：这个函数的作用是返回 input 中每行最大的 k 个数，并且返回它们所在位置的索引。 #!/usr/bin/env python # -*- coding: utf-8 -*- import tensorflow as tf import numpy as np input = tf.co
tf.nn.top_k()
coder
09-04 1万+
一、函数原型 tf.nn.top_k(     input,     k=1,     sorted=True,     name=None ) 为了找到输入的张量的最后的一个维度的最大的k个值和它的下标！ 如果输入的是一个向量，也就是rank=1，找到最大的k个数在这个向量，则输出最大的k个数字和最大的这k个数字的下标。如果输入的张量是一个更高rank的矩阵，那么我们只要找到每一行的最大的...
tensorflow 2.0 高阶操作 之 实战 top_k accuracy
ZHE
04-21 2426
4.3_ top_k accuracy定义实现实战实战结果 定义 Top_k 精度 是指在做预测时，选取概率最大的 k 个标签，如果存在真实的标签值，则视为预测正确。 可以看出我们常用的 Top_1 是 Top_k 的特殊情况。当 k 为类别标签数时， Top_k accuracy 为 100%。 实现 prob = tf.constant([[0.1, 0.2, 0.7], [0.2, 0.7,...
DNN训练过程中的一些问题以及技巧
Hello World
01-25 6421
DNN训练过程中的一些问题以及技巧 首先介绍几个概念 lower layers ：浅层的网络层，主要对简单的特征进行梯度，如边缘、角点等 deeper layers：深层的网络层，主要用于提取十分复杂的特征。 在使用DNN的过程中，我们可能会遇到一些问题 梯度弥散或者梯度爆炸，这会提升DNN的训练难度 对于大型的网络来说，其训练速度十分慢 如果网络参数过多，很容易发生过拟合的问题
tf.nn.sigmoid_cross_entropy_with_logits
最新发布
05-03
tf.nn.sigmoid_cross_entropy_with_logits 是 TensorFlow 中的一个函数，用于计算二分类问题中的交叉熵损失。在神经网络中，通常使用 sigmoid 函数将输出转换为概率值，然后使用交叉熵损失函数来衡量模型预测的概率分布与实际标签之间的差异。 该函数接受两个参数：logits 和 labels。其中，logits 是模型的输出，labels 是真实标签。函数将 logits 通过 sigmoid 函数转换为概率值，然后计算二分类问题中的交叉熵损失。函数返回一个张量，表示每个样本的损失值。 示例代码： ```python import tensorflow as tf logits = tf.constant([2.0, 1.0, 0.1]) labels = tf.constant([1.0, 0.0, 1.0]) loss = tf.nn.sigmoid_cross_entropy_with_logits(logits=logits, labels=labels) with tf.Session() as sess: print(sess.run(loss)) ``` 输出结果： ``` [0.12692805 0.55144495 0.91301525] ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值