假设我有一个神经网络的输出向量 { y1, y2, … , yi }，对应于某个输入 x，其中输出的第 i 个元素表示 x 被分类为第 i 类的概率。同时，我知道 x 的正确分类，由向量 y = { 0, 0, …, 1, …, 0 } 表示，该向量填充了零，并且在第 j 个位置有一个 1，表示 x 应该被分类为第 j 类。

如何判断神经网络是否正确分类了输入？我是选择输出向量中概率最高的元素，并确定这种分类是否与正确分类相同？还是将所有输出概率转换为最接近的整数值，并将新向量与向量 y 进行比较（如果存在不匹配，我会认为网络未能正确分类输入）？另外，我应该如何计算网络的准确性？准确性 = 正确分类 / 所有分类？

回答：

你只需将概率最高的输出作为结果，其余的输出被丢弃（假设只有一个正确的类）。当你根据正确标签检查准确性时，你会得到有时被称为 top-1 的结果。使用 top-5 时，你会选择五个最高分数，并检查这些类别中是否有任何一个与标签匹配。