tf.nn.in_top_k的用法
2018-01-17 17:41
330 查看
tf.nn.in_top_k主要是用于计算预测的结果和实际结果的是否相等,返回一个bool类型的张量,tf.nn.in_top_k(prediction, target, K):prediction就是表示你预测的结果,大小就是预测样本的数量乘以输出的维度,类型是tf.float32等。target就是实际样本类别的标签,大小就是样本数量的个数。K表示每个样本的预测结果的前K个最大的数里面是否含有target中的值。一般都是取1。
例如:
[False True]
解释:因为A张量里面的第一个元素的最大值的标签是0,第二个元素的最大值的标签是1.。但是实际的确是1和1.所以输出就是False 和True。如果把K改成2,那么第一个元素的前面2个最大的元素的位置是0,1,第二个的就是1,2。实际结果是1和1。包含在里面,所以输出结果就是True
和True.如果K的值大于张量A的列,那就表示输出结果都是true
转载原文
例如:
import tensorflow as tf; A = [[0.8,0.6,0.3], [0.1,0.6,0.4]] B = [1, 1] out = tf.nn.in_top_k(A, B, 1) with tf.Session() as sess: sess.run(tf.initialize_all_variables()) print (sess.run(out))输出:
[False True]
解释:因为A张量里面的第一个元素的最大值的标签是0,第二个元素的最大值的标签是1.。但是实际的确是1和1.所以输出就是False 和True。如果把K改成2,那么第一个元素的前面2个最大的元素的位置是0,1,第二个的就是1,2。实际结果是1和1。包含在里面,所以输出结果就是True
和True.如果K的值大于张量A的列,那就表示输出结果都是true
转载原文
相关文章推荐
- tf.nn.in_top_k的用法
- tf.nn.in_top_k()的用法
- tf.nn.in_top_k的用法
- tf.nn.in_top_k()
- Tensorflow tf.nn.in_top_k Error targets[0] is out of range
- tf.nn.top_k() tf.nn.in_top_k()
- [tensorflow] 得出预测结果 tf.nn.in_top_k()
- TensorFlow函数:tf.nn.in_top_k()
- convolution in tensorflow (tf.nn.conv)
- 【TensorFlow】tf.nn.softmax_cross_entropy_with_logits的用法
- tf.nn.rnn_cell.MultiRNNCell函数用法
- 【TensorFlow】tf.nn.softmax_cross_entropy_with_logits的用法
- tf.nn.rnn_cell.DrououtWrapper函数的用法
- tf.nn.embedding_lookup函数的用法
- tf.nn.embedding_lookup()的用法
- 【TensorFlow】tf.nn.softmax_cross_entropy_with_logits的用法
- 【TensorFlow】tf.nn.softmax_cross_entropy_with_logits的用法
- tensorflow API: nn.in_top_k 、top_k
- tf.nn.softmax_cross_entropy_with_logits的用法
- tf.nn.sparse_softmax_cross_entropy_with_logits的用法