Question

我希望获得喀拉拉邦模型的top-k精度。

我在这里找到了一条信息：How to calculate top5 accuracy in keras?，其中提出了以下建议：

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))

输出仅给我两个数组：

top_values：

array([[1., 0., 0., 0., 0.],
       [1., 0., 0., 0., 0.],
       [1., 0., 0., 0., 0.],
       ...,
       [1., 0., 0., 0., 0.],
       [1., 0., 0., 0., 0.],
       [1., 0., 0., 0., 0.]], dtype=float32)

top_indices：

array([[12,  0,  1,  2,  3],
       [13,  0,  1,  2,  3],
       [15,  0,  1,  2,  3],
       ...,
       [12,  0,  1,  2,  3],
       [17,  0,  1,  2,  3],
       [18,  0,  1,  2,  3]])

我如何根据这些值计算实际分数？

Answer 1

好吧，这是对我有用的代码，以防其他人偶然发现类似问题-我缺少的链接是在使用“ .evaluate”：

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

top3_acc.__name__ = 'top3_acc'

model.compile(Adam(lr=.001),#
    optimizers.RMSprop(lr=2e-5),
        loss='categorical_crossentropy',
        metrics=['accuracy','top_k_categorical_accuracy',top3_acc])

    model.evaluate(X_test, y_test)

其中“ top_k_categorical_accuracy”为我提供了k = 5（标准）的得分，并且可以通过在函数调用中更改k = 3来调整top3_acc。

Answer 2

或者，

from keras.metrics import top_k_categorical_accuracy

def topKacc(Y_true, Y_pred):
  return top_k_categorical_accuracy(Y_true, 
                                    Y_pred, 
                                    k = int_here)
metrics = [topKacc, ...]

model.compile(...,
              metrics=metrics)

Answer 3

这是另一种简单的方法。

def top_3_accuracy(y_true, y_pred):
    return top_k_categorical_accuracy(y_true, y_pred, k=3)

model.compile(..........., metrics=[top_3_accuracy])

Keras：如何获得top-k精度

3 个答案: