torcheval.metrics.functional.reciprocal_rank¶

torcheval.metrics.functional.reciprocal_rank(input: Tensor, target: Tensor, *, k: int | None = None) → Tensor¶

计算正确类别在预测类别中的倒数排名。其类版本是 torcheval.metrics.ReciprocalRank。

Parameters:

input (Tensor) – 预测的未归一化分数（通常称为logits）或形状为(num_samples, num_classes)的类别概率。
target (Tensor) – 形状为 (num_samples,) 的真实类别索引。
k (int, 可选) – 要考虑的顶部类别概率的数量。

示例：

>>> import torch
>>> from torcheval.metrics.functional import reciprocal_rank
>>> input = torch.tensor([[0.3, 0.1, 0.6], [0.5, 0.2, 0.3], [0.2, 0.1, 0.7], [0.3, 0.3, 0.4]])
>>> target = torch.tensor([2, 1, 1, 0])
>>> reciprocal_rank(input, target)
tensor([1.0000, 0.3333, 0.3333, 0.5000])
>>> reciprocal_rank(input, target, k=2)
tensor([1.0000, 0.0000, 0.0000, 0.5000])