TOP-K准确率

假如现在有一个用于手写体识别的分类器（10分类），你现在将一张正确标签为3的图片输入到分类器中且得到了如下所示的一个概率分布：

logits=[0.1,0.05,0.1,0.2,0.35,0.01,0.03,0.05,0.01,0.1]logits

         =[0.1,0.05,0.1,0.2,0.35,0.01,0.03,0.05,0.01,0.1]

显然，根据预测的结果来看，其最大概率0.35所对应的标签为4，这也就代表着如果按照以往的标准（Top-1准确率）来看，分类器对于这张图片的预测结果就是错误的。但如果我们以Top-2的标准来看的话，分类器对于这个图片的预测结果就是正确的，因为logits中概率值最大的前两个中包含有真实的标签。也就是说，虽然0.35对应的标签是错的，但是排名第二的概率值0.2所对应的标签是正确的，所以我们在计算Top-2准确率的时候也将上述结果当作是预测正确的。

因此我们可以看出，Top-K准确率考虑的是预测结果中最有可能的K个结果是否包含有真实标签，如果包含则算预测正确，如果不包含则算预测错误。所以在这里我们能够知道，K值取得越大计算得到的Top-K准确率就会越高，极端情况下如果取K值为分类数，那么得到的准确率就肯定是1。但通常情况下我们只会看模型的Top-1、Top-3和Top-5准确率。