Tensorflow中的Softmax函数未显示正确答案答案

【问题标题】：Softmax function in Tensorflow not displaying correct answerTensorflow中的Softmax函数未显示正确答案
【发布时间】：2017-07-20 11:11:49
【问题描述】：

我正在测试 Tensorflow 的 softmax 函数，但我得到的答案似乎不正确。

所以在下面的代码中，kh 是一个 [5,4] 矩阵。 softmaxkh 应该是 kh 的 softmax 矩阵。但是，即使不进行计算，您也可以看出kh 的特定列或行中的最大数字不一定对应于softmaxkh 中的最大数字。

例如，最后一列中间行的“65”是其列和行中的最高数字，但在 softmaxkh 中的行和列中，它并不代表最高数字。

import tensorflow as tf 

kh = tf.random_uniform(
    shape= [5,4],
    maxval=67,
    dtype=tf.int32,
    seed=None,
    name=None
)

sess = tf.InteractiveSession()

kh = tf.cast(kh, tf.float32)

softmaxkh = tf.nn.softmax(kh)


print(sess.run(kh))

    [[ 55.  49.  48.  30.]
     [ 21.  39.  20.  11.]
     [ 40.  33.  58.  65.]
     [ 55.  19.  12.  24.]
     [ 17.   8.  14.   0.]]

和

print(sess.run(softmaxkh))

    [[  1.42468502e-21   9.99663830e-01   8.31249167e-07   3.35349847e-04]
     [  3.53262839e-24   1.56288218e-18   1.00000000e+00   3.13913289e-17]
     [  6.10305051e-06   6.69280719e-03   9.93300676e-01   3.03852971e-07]
     [  2.86251861e-20   2.31952296e-16   8.75651089e-27   1.00000000e+00]
     [  5.74948687e-19   2.61026280e-23   9.99993801e-01   6.14417422e-06]]

【问题讨论】：

标签： python tensorflow softmax

【解决方案1】：

那是因为random_uniformdraws different numbers every time you call it这样的随机生成器。

您需要将结果存储在 Variable 中，以便在不同的图形运行中重复使用随机生成的值：

import tensorflow as tf 

kh = tf.random_uniform(
    shape= [5,4],
    maxval=67,
    dtype=tf.int32,
    seed=None,
    name=None
)

kh = tf.cast(kh, tf.float32)
kh = tf.Variable(kh)

sess = tf.InteractiveSession()
tf.global_variables_initializer().run()

softmaxkh = tf.nn.softmax(kh)

# run graph
print(sess.run(kh))
# run graph again
print(sess.run(softmaxkh))

或者，如果这些值只使用一次但在多个位置，您可以运行图表一次调用所有所需的输出。

import tensorflow as tf 

kh = tf.random_uniform(
    shape= [5,4],
    maxval=67,
    dtype=tf.int32,
    seed=None,
    name=None
)

kh = tf.cast(kh, tf.float32)

sess = tf.InteractiveSession()

softmaxkh = tf.nn.softmax(kh)

# produces consistent output values
print(sess.run([kh, softmaxkh))
# also produces consistent values, but different from above
print(sess.run([kh, softmaxkh))

【讨论】：