【问题标题】:When doing inference, how to calculate the probability percentage associated with each class?在进行推理时,如何计算每个类关联的概率百分比?
【发布时间】:2017-05-05 11:16:38
【问题描述】:

我正在修改 tensorflow MNIST 教程,我有 36 个课程。

我的神经网络输出:

[[ -2386.17529297 18497.5546875 12824.89257812 11382.53417969 5093.64941406 13072.60546875 -4560.9921875 13502.52148438 6688.22802734 -20945.26953125 9932.95605469 -9839.86816406 -51489.03515625 5788.45410156 -16452.57421875 6666.68457031 3585.06298828 56.68802261 12293.05664062 11485.73535156 8274.83496094 10686.38769531 1002.59674072 7018.57275391 -10461.40039062 -7438.14501953 4308.97021484 -12628.72949219 -12593.25390625 17131.04296875 -33693.35546875 8738.546875 4923.90917969 -19373.60351562 11723.73339844 -2816.69580078]]

使用softmax后:

[[ 0. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]

【问题讨论】:

    标签: tensorflow neural-network inference softmax


    【解决方案1】:

    我会说由于模型的大量输出,您得到了一个单热向量。

    softmax 计算为 p_i = exp(o_i) / sum(exp(o_j))。

    您将 e 提高到输出的幂,然后除以所有指数的总和。

    因此,对于较大的输出值,您的分类器变得非常自信,因为您可以看到 e^(18497.55)(您的第二个输出)远大于所有其他输出。

    您是否在模型中使用过任何正则化?正则化使您的模型偏向于较小的权重,并且通常可以确保较小的输出。

    【讨论】:

      猜你喜欢
      • 1970-01-01
      • 2019-11-10
      • 2012-10-06
      • 2021-11-11
      • 2017-11-12
      • 2014-04-03
      • 1970-01-01
      • 2013-12-24
      • 1970-01-01
      相关资源
      最近更新 更多