GitHub
Colab 教程
用命令行工具训练和推理
用 Python API 训练和推理
文档
MMCV
MIM
MMAction2
MMClassification
MMDetection
MMDetection3D
MMEditing
MMGeneration
MMOCR
MMPose
MMSegmentation
MMTracking
MMFlow
MMFewShot
MMHuman3D
MMSelfSup
MMRazor
MMDeploy
MMRotate
OpenMMLab
官网
开放平台
GitHub
推特
知乎
Table of Contents
multi-task
开始你的第一步
安装
基础教程
教程
教程 1：如何编写配置文件
教程 2：如何微调模型
教程 3：如何添加新数据集
教程 4：如何设计数据处理流程
教程 5：如何增加新模块
教程 6：如何自定义优化策略
教程 7：如何自定义模型运行参数
模型库
模型库统计
Model Zoo
Conformer
ConvMixer
ConvNeXt
CSPNet
DeiT
DenseNet
EfficientNet
HRNet
Mlp-Mixer
MobileNet V2
MobileNet V3
PoolFormer
RegNet
RepMLP
RepVGG
Res2Net
ResNet
ResNeXt
SE-ResNet
ShuffleNet V1
ShuffleNet V2
Swin Transformer
Tokens-to-Token ViT
TNT
Twins
Visual Attention Network
VGG
Vision Transformer
Wide-ResNet
实用工具
Pytorch 转 ONNX （试验性的）
ONNX 转 TensorRT（试验性的）
Pytorch 转 TorchScript （试验性的）
模型部署至 TorchServe
可视化
分析
其他工具
社区
参与贡献 OpenMMLab
API 参考文档
mmcls.apis
mmcls.core
mmcls.models
mmcls.models.utils
mmcls.datasets
数据转换
批数据增强
mmcls.utils
更新日志
Changelog
语言切换
English
简体中文
Docs
>
mmcls.models
>
mmcls.models.Accuracy
Edit on GitHub
Shortcuts
mmcls.models.Accuracy
¶
class
mmcls.models.
Accuracy
(
topk
=
(1,)
)
[source]
¶
mmcls.models.Accuracy
GitHub
Colab 教程
用命令行工具训练和推理
用 Python API 训练和推理