【新手向】keras如何计算top5

1. 什么是top5

top5 的全称应该是top5 accuracy。
它一般是用于多分类问题中的，假定有10个类，那网络最终会给出10个值，分别代表样例是对应类的几率，最终将几率按从大到小排序。
我们一般认为，样例对应的类的几率最大，则认为网络对该样例的分类是正确的，即val_acc，亦可以叫做top1。
而top5 accuracy则放宽了要求，如果 网络对该样例的分类是排在前5个几率之内，就认为分类是正确的。
top1和top5都是评估模型的一个准则，往往关注top5，可以帮助我们更加清楚的了解模型的性能。

2. keras中如何计算top5

keras中已集成了top_k_categorical_accuracy函数用于计算top5，通过修改参数也可以查看top2，top3，top4等。
我们可以在编译模型时，通过定义监控的量来实时的检测top5。

注意，top_k_categorical_accuracy的默认参数为5。

代码实现：

from keras.metrics import top_k_categorical_accuracy


def acc_top2(y_true, y_pred):
    return top_k_categorical_accuracy(y_true, y_pred, k=2)
    
def acc_top3(y_true, y_pred):
    return top_k_categorical_accuracy(y_true, y_pred, k=3)

def acc_top4(y_true, y_pred):
    return top_k_categorical_accuracy(y_true, y_pred, k=4)

def acc_top5(y_true, y_pred):
    return top_k_categorical_accuracy(y_true, y_pred, k=5)


# 编译模型
model.compile(loss='categorical_crossentropy',
              optimizer=optimizers.RMSprop(lr=1e-3),
              metrics=['acc', acc_top2, acc_top3, acc_top4, acc_top5])

好的，基本就是这些