根据 softmax 输出为每个类别挑选最有信心的数据样本（前 3 个）答案

【问题标题】：To pick the most confident data samples(top 3) per class based on the softmax output根据 softmax 输出为每个类别挑选最有信心的数据样本（前 3 个）
【发布时间】：2020-01-17 06:35:18
【问题描述】：

所以我已经在一个包含 50 个类别的特定数据集上训练了一个神经网络。在测试过程中，我想从测试数据集中的每个类中选择最好的三个样本（最有信心的样本，即前 3 或前 5 样本），我该怎么做？

示例：如果我有 50 个类，我想为每个类从测试数据集中挑选 3 个最佳样本（基于 softmax 概率）。因此，我们将选择 50*3 个数据样本。我怎样才能以最有效的方式做到这一点？

谢谢。

【问题讨论】：

标签： deep-learning neural-network artificial-intelligence sampled-softmax

【解决方案1】：

假设您的最终分数在张量 probabilities 中，即测试数据的形状大小 × 类数，我会这样做：

best_scores, best_classes = probabilities.max(dim=1)

per_class_examples = []
for class_id in range(50):
    # mask telling where class_id class is
    class_positions = best_classes == class_id

    # make sure there are at least three examples,
    # if not, rather take less
    k = min(3, class_positions.sum())

    if k == 0:
        per_class_examples.append([])
    else:
        # set zero score to everything that is not class_id
        _, best_examples = torch.topk(best_scores * class_positions, k, dim=1)
        per_class_examples.append(best_examples)

【讨论】：