深度学习中的top-1和top-5区别
在深度学习看论文的过程中，经常会看到各种神经网络模型在ImageNet上介绍Top-1和Top-5准确率和Top-1错误率和Top-5错误率
来源：ResNet与ResNext的error
所谓的Top-1和Top-5正确率与错误率指的是什么呢？
如果ImageNet有1000个类别，在预测某一张图片时，模型会给出1000个类别的概率从高到低进行排名。
所谓的Top-1正确率指的是排名第一名与实际结果相符合的概率。
Top-5正确率指的是排名前五的类别包含实际结果的概率，这也是为什么Top-1的概率一般都远小于Top-5的概率。
Top-5正确率 = （所有测试图片中正确标签包含在前五个分类概率中的个数）/（总的测试图片数）
Top-5错误率 = （所有测试图片中正确标签不在前五个分类概率中的个数）/（总的测试图片数）
Top-1正确率 = （所有测试图片中正确标签包含在第一个分类概率中的个数）/（总的测试图片数）
Top-1错误率 = （所有测试图片中正确标签不在第一个分类概率中的个数）/（总的测试图片数）
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！