在张量流中，为什么预测是二维的？

Question

在学习 Tensorflow 时，我对输出层张量的维度感到困惑。

我正在学习如何在 Tensorflow 中构建一个多层感知器模型。我开始的代码是this one。

简单来说就是如下图：

def multilayer_perceptron(x, weights, biases):
    :
    :

pred = multilayer_perceptron(x, weights, biases)
    :
    :

with tf.Session() as sess:
    sess.run(init)
         :
    correct_prediction = tf.equal(tf.argmax(pred, 1), tf.argmax(y, 1))

    accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
    print ("Accuracy:", accuracy.eval({x: X_test, y: y_test_onehot}))

我了解argmax 和equal 方法的概念。但是为什么在tf.equal(tf.argmax(pred, 1), tf.argmax(y, 1)) 中，axis 参数是 1？或者说，为什么pred 不止一维？对我来说，pred 应该类似于一维数组。例如。 [0,1,1,1,1] 表示除第一个预测外，其他都正确。为什么我们在 equal 方法之前需要一个 argmax？

谢谢！

Answer 1

当使用 MLP 模型进行分类时，通常最后一层是标准线性层，将最后一个隐藏层投影到输出层。最后一个的单位数与您的类数相同（此输出单位通常称为 logits）。

然后，这个输出层通常被提供给一个 softmax 函数，该函数将最大值向上推，所有其他的向下推。换句话说，它执行“软”最大值（这里的最大值是指处处为 0 的数组，最大元素中为 1）。

在代码中，多层感知器函数实际上返回 logits 节点。 Logits 可以看作是每个输出类的“置信度”。最终，您将需要 argmax 来选择学位最高的班级，即您更有信心的班级。

multilayer_perceptron 函数返回的pred 张量是 [batch_size x num_classes]。对于输入中提供的每个示例，您有 num_classes 个置信度，您需要一个 argmax 来提取正确类的索引（最大置信度）。

附：请记住，这是一个多类分类问题，其中网络的每个输出节点都与单个类的预测相关联。每个输出节点i 的任务是确定输入是否属于i 类。