在我們看來，計算機就是一台嚴絲合縫、精密運轉的機器，嚴格按照程式設計師下達的指令工作。雖然產品上線之後經常碰到迷之問題，但我們通常會檢討程式設計得不夠完美，而不會認為這是理所當然。因為我們相信只要程式設計嚴謹，將各種意外情況考慮在內，就會消除這種不確定問題。
然而到了機器學習，特別是深度學習，很多結果都是以概率的形式提供的。就拿分類來說，通常模型**出屬於每個類別的概率，而不是直接給出乙個確定的結果。這就如同天氣預報員預報明天的天氣：晴天的概率多少多少，下雨的概率多少多少。估計如果這樣預報天氣，很多人會抓狂。問題是，天氣預報說明天是晴天，明天就一定是晴天嗎？這其實仍然是乙個概率問題。雖然我們掌握了足夠的氣象資料，天氣預報也越來越準確，但是我們依然無法保證每次都是準確的。
既然在深度學習中分類問題是各類別的概率，我們很容易選擇一種策略：某個類別的概率最高，我們就認為**結果屬於哪種類別。比如下面這張蛙的：
使用cifar-10資料集訓練出的模型進行推斷，各個類別的概率如下：
其中，frog類別的概率最大，我們就認為這張所屬的類別為frog。
計算模型準確度的方法也非常簡單：
這種度量也稱之為rank-1準確度，這也是一種非常直觀的度量方式。然而，最近幾乎所有在imagenet資料集上評估的機器學習模型的**都不僅給出了rank-1準確度，還給出了rank-5準確度。
顧名思義，rank-5準確度選取5個最大概率的類別，只要這5個類別中的乙個和真實標籤相同，該**結果就為真。rank-5準確度的計算方法如下：
rank-1和rank-5的**實現也非常簡單：
def rank5_accuracy(preds, labels):
# initialize the rank-1 and rank-5 accuracies
rank1 = 0
rank5 = 0
# loop over the predictions and ground-truth labels
for (p, gt) in zip(preds, labels):
# sort the probabilities by their index in descending
# order so that the more confident guesses are at the
# front of the list
p = np.argsort(p)[::-1]
if gt in p[:5]:
rank5 += 1
if gt == p[0]:
rank1 +=1
# compute the final rank-1 and rank-5 accuracies
rank1 /= float(len(labels))
rank5 /= float(len(labels))
return (rank1, rank5)
普通人也很難分辨出其類別不同。所以在某些大型分類模型任務中，rank-5準確率可以提供乙個對rank-1準確率的乙個補充。
理想情況下，rank-1準確度將與rank-5準確度同步增加，但是在具有挑戰性的資料集上，情況並非總是如此。因此，我們還會檢查rank-5的準確度，以確保我們的網路在rank-1準確度停滯不前時仍然在「學習」。
往期回顧
站在巨人的肩膀上：遷移學習
使用資料增強技術提公升模型泛化能力
計算機視覺與深度學習，看這本書就夠了
聊一聊rank 1和rank 5準確度
在我們看來，計算機就是一台嚴絲合縫 精密運轉的機器，嚴格按照程式設計師下達的指令工作。雖然產品上線之後經常碰到迷之問題，但我們通常會檢討程式設計得不夠完美，而不會認為這是理所當然。因為我們相信只要程式設計嚴謹，將各種意外情況考慮在內，就會消除這種不確定問題。然而到了機器學習，特別是深度學習，很多結果...
No 1 聊一聊資料獲取和爬蟲
為什麼要把資料獲取 爬蟲放在一起來聊呢？居士是想成為一名資料科學家的！資料科學家就要具備很多的技能，什麼統計學 資料探勘 資料倉儲 大資料計算 資料視覺化等等。但是，首先我們要有資料，沒有資料我們玩什麼？想要玩資料，我們就要來聊一下資料獲取，資料獲取有很多途徑，爬蟲算是其中最自力更生的技能了，而實現...
聊一聊抽象類和介面
什麼是抽象類 乙個允許有抽象定義存在的類，可以像普通類一樣有屬性，成員方法，建構函式。只有方法的宣告，沒有方法的實現。也可以有預設的方法實現。怎樣定義抽象類訪問修飾符 abstract class 類名 抽象方法的作用為了約束當前方法都具有某種行為 注意 1.抽象類必須使用關鍵字宣告。2.抽象類不可...