一、top1和top5

top1-就是預測的label取最後概率向量裡面最大的一個作為預測結果，如果你的預測結果中概率最大的那個分類正確，則預測正確。否則預測錯誤。

top5-就是最後概率向量最大的前五名中，只要出現了正確概率即為預測正確。否則預測錯誤。

二、Precision、Recall和Accuracy

2.1 Precision和Recall

假如一個使用者向系統提交一個查詢（例如“什麼是貓”），系統返回了一系列查詢的結果，這些結果是系統根據使用者提交的資訊，判定出來系統內所有跟這個資訊有關的結果。

在這個結果裡，黃色的部分是系統返回的結果，綠色的部分是總共對使用者有用的結果。兩者的交集，也就是中間的部分，通常叫做True Positive（TP）。而返回結果的剩下部分，則是False Positive，意思就是說這些本身是對使用者沒啥用的，但是系統判定這些對使用者有用並且提交給使用者了。而綠色部分剩下的，是False Negative，這一部分是本來對使用者有用的結果，但是被系統判定沒用。剩下的灰色部分就是真的沒啥用的結果。

Precision就是$\frac{TP}{TP+FP}$，也就是提交給使用者的結果裡面，究竟有多少是對的，或者反過來說，我們給了使用者多少沒用的垃圾。Recall是$\frac{TP}{TP+FN}$，也就是一共有這麼多的有用結果，系統究竟能判定出來多少是有用的（能夠檢測出來多少？），或者反過來說，我們究竟丟了多少有用的。這兩個數是成對出現，單獨出現沒有意義。

這兩個檢測指標是成對出現的，單獨出現沒有意思。為什麼這麼說？一個例子是我們可以輕輕鬆鬆將recall提高到100%，那就是不管使用者查詢什麼，都將系統中所有的文件提供給使用者，這樣肯定不會丟東西，但是這樣使用者也沒辦法得到好的結果

2.2 為什麼不用準確率（accuracy）？

準確率，也就是accuracy，就是$\frac{TP+TN}{N}$，也就是系統究竟做對了多少，如果是對於平衡樣本來說在，這個沒問題。但是對於樣本不平衡的情況，這就不行。例如資訊檢索，有99.999%的資訊對使用者都沒用，而且大部分系統肯定都能判別出來這些沒用，

二、mAP（mean average precision）

多標籤影像分類（Multi-label Image Classification）任務中圖片的標籤不止一個，因此評價不能用普通標籤影像分類的標準，即mean accuracy，該任務採用的是和資訊檢索中類似的方法-mAP（mean Average Precision）

以下是mAP的計算方法：

1. 首先用訓練好的模型得到所有測試樣本的confidence score，每一類（如car）的confidence score儲存到一個檔案中，假設共有20個測試樣本，每個的id、confidence score和ground truth如下：
   
2. 接下來對confidence score排序，得到：
   
3. 然後計算precision和recall，這兩個標準的定義如下：
   
   上圖比較直觀，圓圈內（true positives+false positives）是我們選出的元素，它對應於分類任務中我們取出的結果，比如對測試樣本在訓練好的car模型上分類，