TensorFlow函数：tf.nn.in_top_k()

in_top_k(predictions, targets, k, name=None)

函数的输入：
predictions：预测的输出结果，预测矩阵的大小为样本数×类别的个数的二维矩阵。换句话说，矩阵的值就是每个样本属于各个类别的概率值。
targets：真实标注的类别值，大小为样本个数，即每个样本对应一个唯一的类别。
k：当k=1时，即就是某一样本预测属于某一最大概率的类，与该样本真实标注的targets**类**进行对比，是否一致，一致则输出true，反之输出false。当k不等于1时，每个样本的预测结果的前k个最大概率的类里面是否包含targets预测中的标签，也就是多对一。

函数的输出：
bool型变量。即predictions预测标签和targets实际标签进行对比，是否一致，一致则输出true，反之输出false。

假设有10个样本，标注为5类，10个样本实际标签均是第一类，代码如下：

import tensorflow as tf

logits = tf.Variable(tf.truncated_normal(shape=[10,5],stddev=