pytorch -- topk()

 参考 pytorch -- topk() - 云+社区 - 腾讯云

torch.topk(input, k, dim=None, largest=True, sorted=True, out=None) -> (Tensor, LongTensor)

沿给定dim维度返回输入张量input中 k 个最大值。
如果不指定dim，则默认为input的最后一维。
如果为largest为 False ，则返回最小的 k 个值。

返回一个元组 (values,indices)，其中indices是原始输入张量input中测元素下标。
如果设定布尔值sorted 为_True_，将会确保返回的 k 个值被排序。

参数：

• input (Tensor) – 输入张量
• k(int) – “top-k”中的k
• dim (int, optional) – 排序的维
• largest (bool, optional) – 布尔值，控制返回最大或最小值
• sorted (bool, optional) – 布尔值，控制返回值是否排序
• out (tuple, optional) – 可选输出张量 (Tensor, LongTensor) output buffer

假设神经网络的输出如下，为二分类。batch_size=4。

import torch 
output = torch.tensor([
[-5.4783, 0.2298],                           
[-4.2573, -0.4794],                           
[-0.1070, -5.1511],                           
[-0.1785, -4.3339]])

得到其top1值操作如下：

maxk = max((1,))  # 取top1准确率，若取top1和top5准确率改为max((1,5))

_, pred = output.topk(maxk, 1, True, True)

topk参数中，maxk取得是top1准确率，dim=1是按行取值， largest=1是取最大值。结果如下，

_

tensor([[ 0.2298],

        [-0.4794],

        [-0.1070],

        [-0.1785]])

pred

tensor([[1],

        [1],

        [0],

        [0]])

_是top1的值，pred是最大值的索引（size=4*1），一般会进行转置处理同真实值对比。