Question

我想在imagenet2012数据集中计算top5，但我不知道如何在keras中做到这一点。拟合函数只能算出前1精度。

Answer 1

如果你刚刚在topK之后，你可以直接调用tensorflow（你不会说你正在使用哪个后端）。

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))

如果您需要精度指标，可以将其添加到模型'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，则可以按如下方式设置模型：

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])

Answer 2

弗兰克·威尔逊（Frank Wilson）的答案可能是更正式的答案，但您也可以这样计算。

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))

Answer 3

您可以使用 tf.keras.metrics.TopKCategoricalAccuracy(k)。默认情况下 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)]
         )

如何计算keras的top5准确度？

3 个答案: