如何为 CNN 的每个班级获得 0 到 1 之间的分数？答案

【问题标题】：How to get a score between 0 and 1 for each class for a CNN?如何为 CNN 的每个班级获得 0 到 1 之间的分数？
【发布时间】：2017-09-18 08:20:55
【问题描述】：

我目前正在训练一个网络（用 Tensorflow 实现的 CNN）来对 3 个以上的类进行分类，问题是我最终得到的分数如下：

[ -20145.36, 150069, 578456.3 ].

我想要一个介于 0 和 1 之间的分数（某种概率）。

起初，我考虑使用 sigmoid 函数，但后来发现这个讨论甚至没有提到：

https://www.quora.com/How-do-you-normalize-numeric-scores-to-a-0-1-range-for-comparing-different-machine-learning-techniques

你建议我怎么做才能让每门课的分数在 0 到 1 之间？

谢谢

【问题讨论】：

tf.nn.softmax() 会将网络输出转换为有效的概率分布，即所有概率都在 0 和 1 之间并且它们总和为 1。有关 TensorFlow 文档，请参见此处：@987654322 @这里解释一下：tensorflow.org/get_started/mnist/beginners

标签： tensorflow deep-learning classification conv-neural-network softmax

【解决方案1】：

作为最后一层，你总是使用 softmax 来获得 n 类分类分数。所以，你有很多选择，正如tensorflow classification docs 中提到的那样。

最简单的就是使用tf.nn.softmax()

softmax = exp(logits) / reduce_sum(exp(logits), dim)

例子：

In [63]: ar = np.array([ -20145.36, 150069, 578456.3 ])

In [64]: scores = tf.nn.softmax(ar)

In [65]: sess = tf.InteractiveSession()

In [66]: scores.eval()
Out[66]: array([ 0.,  0.,  1.])

【讨论】：