TensorFlow学习之路(1): correct = tf.nn.in_top_k(logits, labels, k)

最新推荐文章于 2024-07-18 18:56:10 发布

原创最新推荐文章于 2024-07-18 18:56:10 发布 · 2.8k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#TensorFlow #函数

TensorFlow学习之路专栏收录该内容

8 篇文章

订阅专栏

本文详细解析了 TensorFlow 中 tf.nn.in_top_k 和 tf.nn.top_k 函数的工作原理及使用方法，阐述了如何通过这两个函数来判断预测结果是否包含在真实标签内，并提供了具体的示例说明。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

今天写代码时，发现以前对Top_k理解有误，现在，重新整理对此的理解：

correct = tf.nn.in_top_k(logits, labels, k)

其中:

    logits: a tensor  of shape [batch_size, NUM_CLASSES]
    labels: a tensor of shape [batch_size]

理解:
1.对于logits的某行logits[i]，找到其前k个最大的预测值的index_0, .., index_k-1，
如果发现对应的labels[i]在{index_0, …, index_k-1}，则返回True.（大致这个意思）
2.当k=1时，等价于tf.equal(logits, labels)。但是，equal()函数中的logits和labels的shape必须一样。因此，通过read_data_sets(…, one_hot=False,…)读取数据时，必须使得one_hot=Ture(默认为False).

下面为源码中对此的解释：

This outputs a batch_size bool array, an entry out[i] is true if the prediction for the target class is among the top k predictions among all predictions for example i.

注意：
tf.nn.top_k(input, k=1, sorted=sorted, name)
在top_k()函数中，返回的是两个值：
values: input中最后一维部分的前k个最大的值。
indices:与values中各个值对应的索引。
（sorted默认为1，即根据输出values进行降序输出）