图像分类的top-1 and top-5 error

ImageNet 图像分类大赛评价标准采用 top-5 错误率，或者top-1错误率

Top-1 Error：假设模型预测某个对象的类别，模型输出1个预测结果，那么这一个结果能判断正确的概率就是Top-1正确率。判断错误的概率就是Top-1错误率。简言之就是模型判错的概率。
Top-5 Error ：假设模型预测某个对象的类别，模型输出5个预测结果，只要其中一个能判断正确类别，这个概率就是Top-5正确率，反之，预测输出的五个结果都错误的概率就是Top-5错误率。
一般来说，Top-1 Error和Top-5 Error越低，模型的性能也就越好。且Top-5 Error 往往小于Top-1 Error
——————————————————————————————————————————
top1----- 就是你预测的label取最后概率向量里面 最大的那一个作为预测结果 ，如过你的 预测结果中概率最大的那个分类正确，则预测正确。否则预测错误
top5----- 就是最后概率向量 最大的前五名中，只要 出现了正确概率即为预测正确。否则预测错误。