如何计算keras中的top5准确率？答案

【问题标题】：How to calculate top5 accuracy in keras?如何计算keras中的top5准确率？
【发布时间】：2017-02-19 12:05:25
【问题描述】：

我想计算 imagenet2012 数据集中的 top5，但我不知道如何在 keras 中计算。 fit 函数只能计算 top 1 准确率。

【问题讨论】：

这就是你要找的东西：top_k_categorical_crossentropy？您可以选择所需的指标，也可以轻松创建自己的custom metric。

【解决方案1】：

如果你只是在 topK 之后，你总是可以直接调用 tensorflow（你没有说你使用的是哪个后端）。

from keras import backend as K
import tensorflow as tf

top_values, top_indices = K.get_session().run(tf.nn.top_k(_pred_test, k=5))

如果您需要准确度指标，可以将其添加到您的模型 'top_k_categorical_accuracy'。

model.compile('adam', 'categorical_crossentropy', ['accuracy', 'top_k_categorical_accuracy'])

history = model.fit(X_train, y_train, nb_epoch=3, validation_split=0.2)

Train on 31367 samples, validate on 7842 samples
Epoch 1/3
31367/31367 [==============================] - 6s - loss: 0.0818 - acc: 0.9765 - top_k_categorical_accuracy: 0.9996 - 
...

此指标的默认 k 为 5，但如果您想将其更改为 3，您可以这样设置模型：

top3_acc = functools.partial(keras.metrics.top_k_categorical_accuracy, k=3)

top3_acc.__name__ = 'top3_acc'

model.compile('adam', 'categorical_crossentropy', ['accuracy', top3_acc])

【讨论】：

也许定义自定义指标更具可读性：def top3_acc(labels, logits): return top_k_categorical_accuracy(y_true=labels, y_pred=logits, k=3)

【解决方案2】：

弗兰克威尔逊的答案可能是更官方的答案，但你也可以这样计算。

top1 = 0.0
top5 = 0.0    
class_probs = model.predict(x)
for i, l in enumerate(labels):
    class_prob = class_probs[i]
    top_values = (-class_prob).argsort()[:5]
    if top_values[0] == l:
        top1 += 1.0
    if np.isin(np.array([l]), top_values):
        top5 += 1.0

print("top1 acc", top1/len(labels))
print("top1 acc", top5/len(labels))

【讨论】：

【解决方案3】：

您可以使用 tf.keras.metrics.TopKCategoricalAccuracy(k)。默认 k=5。

文档在这里：https://keras.io/api/metrics/accuracy_metrics/#topkcategoricalaccuracy-class。

这是在 model.compile 中使用它的代码示例。

import tensorflow as tf

model.compile(optimizer, loss, 
          metrics= [tf.keras.metrics.TopKCategoricalAccuracy(k=5)]
         )

【讨论】：