tf.nn.in_top_k

correct = tf.nn.in_top_k(logits, labels, k)
其中:

logits: a tensor  of shape [batch_size, NUM_CLASSES]
labels: a tensor of shape [batch_size]

理解:

• 1.对于logits的某行logits[i]，
  找到其前k个最大的预测值的index_0, .., index_k-1，
  如果发现对应的labels[i]在{index_0, …, index_k-1}，
  则返回True.（大致这个意思）
• 2.当k=1时，等价于tf.equal(logits, labels)。
  但是，equal()函数中的logits和labels的shape必须一样。
  因此，通过read_data_sets(…, one_hot=False,…)读取数据时，
  必须使得one_hot=Ture(默认为False).

下面为源码中对此的解释：
This outputs a batch_size bool array, an entry out[i] is true if the prediction for the target class is among the top k predictions among all predictions for example i.

tf.nn.top_k

tf.nn.top_k(input, k=1, sorted=sorted, name)
在top_k()函数中，返回的是两个值：

• values: input中最后一维部分的前k个最大的值。
• indices:与values中各个值对应的索引。
  （sorted默认为1， 即根据输出values进行降序输出）。