accuracy layer。参考 https://en.wikipedia.org/wiki/Precision_and_recall

使用 input 和 label 计算准确率。如果正确的 label 在 top k 个预测值里，则计算结果加 1。

注解

输出正确率的类型由 input 的类型决定，input 和 label 的类型可以不一样。

input (Tensor) - accuracy layer 的输入，即网络的预测值，数据类型为 float32 或 float64 的 Tensor，shape 为 [sample_number, class_dim] 。

label (Tensor) - 数据集的标签，数据类型为 int64 或 int32 的 Tensor，shape 为 [sample_number, 1] 。

k (int，可选) - 取每个类别中 top k 个预测值用于计算，数据类型为 int64 或 int32，默认值为 1。

correct (Tensor，可选) - 正确预测值的个数，数据类型为 int64 或 int32 的 Tensor，默认值为 None。

total (Tensor，可选) - 总共的预测值，数据类型为 int64 或 int32 的 Tensor，默认值为 None。

name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

Tensor，计算出来的正确率，数据类型为 float32 的 Tensor。