Top-K准确率代码实现

---

Top-K准确率

Top-K准确率就是用来计算预测结果中概率最大的前K个结果包含正确标签的占比。换句话说，平常我们所说的准确率其实就是Top-1准确率。下面我们还是通过一个例子来进行说明。

假如现在有一个用于手写体识别的分类器（10分类），你现在将一张正确标签为3
的图片输入到分类器中且得到了如下所示的一个概率分布：
$logits=[0.1,0.05,0.1,0.2,0.35,0.01,0.03,0.05,0.01,0.1]$

显然，根据预测的结果来看，其最大概率0.35
所对应的标签为4，这也就代表着如果按照以往的标准（Top-1准确率）来看，分类器对于这张图片的预测结果就是错误的。但如果我们以Top-2的标准来看的话，分类器对于这个图片的预测结果就是正确的，因为logits中概率值最大的前两个中包含有真实的标签。也就是说，虽然0.35对应的标签是错的，但是排名第二的概率值
所对应的标签是正确的，所以我们在计算Top-2准确率的时候也将上述结果当作是预测正确的。

Top-K准确率的代码实现

#计算 Top-k 准确率
class AccTopk():
    #传入-1,1
    def __init__(self,background_classes,k):
        self.background_classes = background_classes
        self.k = k
        self.cnt = 0
        self.top5_correct = 0
    def reset(self):
        self.cnt = 0
        self.top5_correct = 0
    def update(self,predict,target):
        #将 predict 转换为概率最大的类别索引
        predict = predict.argmax(1)
        #转换格式
        predict,target = converter(predict),converter(target)
        #增加计数，计量样本数
        self.cnt += len(predict)
        #target是否为背景类别
        background_idx = (target == self.background_classes)
        # self.top5_correct += np.sum(predict[background_idx] == target[background_idx])
        #创建一个布尔型数组，表示哪些样本不属于背景类别
        not_background_idx = np.logical_not(background_idx)
        #计算非背景类别样本的预测值与目标值之差的绝对值，看是否小于self.k，生成布尔数组
        #可得符合条件的样本数量，将符合条件的样本数量累加到 self.top5_correct 中
        self.top5_correct += np.sum(np.absolute(predict[not_background_idx]-target[not_background_idx])<self.k)
    def get(self):
        return self.top5_correct * 1.0 / self.cnt

来源UFDLv2模型代码。

多标签分类准确率的代码实现

class MultiLabelAcc():
    def __init__(self):
        self.cnt = 0
        self.correct = 0
    def reset(self):
        self.cnt = 0
        self.correct = 0
    def update(self,predict,target):
        #获取最大概率对应索引
        predict = predict.argmax(1)
        #转换格式
        predict,target = converter(predict),converter(target)
        self.cnt += len(predict)
        #预测正确则计数
        self.correct += np.sum(predict==target)
    def get_acc(self):
        return self.correct * 1.0 / self.cnt
    def get(self):
        return self.get_acc()