[开发技巧]·TopN指标计算方法

[开发技巧]·TopN指标计算方法

​

1.概念介绍

在图片分类的中常常能够看到Top-1，Top-5等TopN准确率（或者时错误率）。

那这个TopN是什么意思呢？首先Top-1准确率最好理解，就是咱们用argmax从网络输出取到的预测index与真实index的准确率。

Top-5准确率就是指从网络输出取到的预测几率最大5个index与真实的index进行比对，5个之中任意一个比对成功就算预测正确了。同理Top-3就是指几率最大3个index.

 

2.问题分析

能够发现Top-1的准确率很容易计算直接经过argmax就能够了，演示代码以下：

import numpy as np

lists = np.array([0.4,0.2,0.3,0.1])

index = np.argmax(lists)

score = lists[index]

 

大于1的时候就无法使用argmax了，其实在Numpy中有argsort能帮到咱们。

np.argmax的功能就是对list从小到大进行排序，最后输出排序事后每一个元素原本的下标。下面用代码来解释一下：

import numpy as np

lists = np.array([0.4,0.2,0.3,0.1])

indexs = np.argsort(lists)

print(indexs)

# [3 1 2 0]

结果怎么理解呢？其实第一步先对[0.4,0.2,0.3,0.1] -->[0.1,0.2,0.3,0.4]排序，再对排序好的[0.1,0.2,0.3,0.4]找出每一个元素原始下标，例如0.1的原始下标为3，0.2的下标为2 .. 最终获得[3 1 2 0]

这个怎么应用到TopN计算中呢？其实就很容易了，能够利用argsort取得排好序元素的下标，再经过下标找到对应的几率值便可：以Top-3指标举例

import numpy as np

lists = np.array([0.4,0.2,0.3,0.1])

def get_top_n(lists,n):
    sort_index = np.argsort(lists)
    n_index = sort_index[-n:]#由于是按照几率从大到小取n个
    indexs = []
    scores = []
    for index in reversed(n_index):#从大到小取，因此经过reversed()倒置一下
        indexs.append(index)
        scores.append(lists[index])
    return(indexs,socres)

indexs,scores = get_top_n(lists,3)

print(indexs,scores)
#[0, 2, 1] [0.4, 0.3, 0.2]

输出结果是[0, 2, 1] [0.4, 0.3, 0.2]，表示0的种类几率0.4，正确地完成了咱们设想的功能。