之前一直不清楚top1和top5是什麼，其實搞清楚了很簡單，就是兩種衡量指標，其中，top1就是普通的accuracy，top5比top1衡量標準更「嚴格」，
具體來講，比如一共需要分10類，每次分類器的輸出結果都是10個相加為1的概率值，top1就是這十個值中最大的那個概率值對應的分類恰好正確的頻率，而top5則是在十個概率值中從大到小排序出前五個，然後看看這前五個分類中是否存在那個正確分類，再計算頻率。pytorch實現如下：
defevalutetop1(model, loader):
model.eval()
correct =0
total =len(loader.dataset)
for x,y in
loader:
x,y =x.to(device), y.to(device)
with torch.no_grad():
logits =model(x)
pred = logits.argmax(dim=1)
correct +=torch.eq(pred, y).sum().float().item()
#correct += torch.eq(pred, y).sum().item()
return correct /total
defevalutetop5(model, loader):
model.eval()
correct =0
total =len(loader.dataset)
for x, y in
loader:
x,y =x.to(device),y.to(device)
with torch.no_grad():
logits =model(x)
maxk = max((1,5))
y_resize = y.view(-1,1)
_, pred = logits.topk(maxk, 1, true, true)
correct +=torch.eq(pred, y_resize).sum().float().item()
return correct / total
注意：y_resize = y.view(-1,1)是非常關鍵的一步，在correct的運算中，關鍵就是要pred和y_resize維度匹配，而原來的y是[128]，128是batch大小；
pred的維度則是[128,10]，假設這裡是cifar10十分類；因此必須把y轉化成[128,1]這種維度，但是不能直接是y.view(128,1)，因為遍歷整個資料集的時候，
最後乙個batch大小並不是128，所以view()裡面第乙個size就設為-1未知，而確保第二個size是1就行
topk函式的具體用法參見
TOP 1比不加TOP慢的疑惑
問題描述 有乙個查詢如下，去掉top 1的時候，很快就出來結果了，但加上top 1的時候，一般要2 3秒才出資料，何解？select top 1 a.invno from a,b where a.item b.itemnumber and b.ownercompanycode is notnull ...
TOP 1比不加TOP慢的疑惑
問題描述 有乙個查詢如下，去掉top 1的時候，很快就出來結果了，但加上top 1的時候，一般要2 3秒才出資料，何解？select top 1 a.invno from a,b where a.item b.itemnumber and b.ownercompanycode is notnull ...
Re Selenium新手爬取貓眼Top 100
from selenium import webdriver 引入瀏覽器物件 from selenium.webdriver.common.by import by from selenium.webdriver.common.keys import keys from selenium.webdr...