accuracy

paddle.metric.accuracy ( input, label, k=1, correct=None, total=None, name=None ) [源代码]

accuracy layer。 参考 https://en.wikipedia.org/wiki/Precision_and_recall

使用输入和标签计算准确率。 如果正确的标签在topk个预测值里，则计算结果加1。注意：输出正确率的类型由input类型决定，input和lable的类型可以不一样。

参数

  • input (Tensor)-数据类型为float32,float64。输入为网络的预测值。shape为 [sample_number, class_dim] 。

  • label (Tensor)-数据类型为int64，int32。输入为数据集的标签。shape为 [sample_number, 1] 。

  • k (int64|int32，可选) - 取每个类别中k个预测值用于计算，默认值为1。

  • correct (int64|int32, 可选)-正确预测值的个数，默认值为None。

  • total (int64|int32，可选)-总共的预测值，默认值为None。

  • name (str，可选) – 具体用法请参见 Name ，一般无需设置，默认值为None。

返回

Tensor，计算出来的正确率，数据类型为float32的Tensor。

代码示例

  1. import paddle
  3. predictions = paddle.to_tensor([[0.2, 0.1, 0.4, 0.1, 0.1], [0.2, 0.3, 0.1, 0.15, 0.25]], dtype='float32')
  4. label = paddle.to_tensor([[2], [0]], dtype="int64")
  5. result = paddle.metric.accuracy(input=predictions, label=label, k=1)
  6. # [0.5]