在 keras 中使用 SparseCategoricalCrossEntropy 损失进行多类分类时，实际的类标签是什么？

Question

我正在尝试使用：[SparseCategoricalCrossEntropy][https://www.tensorflow.org/api_docs/python/tf/keras/losses/SparseCategoricalCrossentropy] 进行多类分类

这将给我最后一个维度作为类的数量 (N_CLASSES)。但我想从预测中检索实际的类标签。

基本上，如果我有 5 个类 (N_CLASSES=5)，那么我有 5 列，每列包含该类的概率。但我不知道哪一列属于哪个实际标签。如何检索实际的类标签？

例如，如果我的实际类标签为 [1.03, 2.07, -2.09, -974, 366]，那么从形状 (None, 5) 的输出中，我如何知道哪一列代表哪个类？

注意：由于内存问题，我无法使用 CategoricalCrossEntropy 并传入 one-hot 编码的实际目标表示。

任何帮助将不胜感激

Answer 1

其实很简单。假设您的模型输出predictions = [1.03, 2.07, -2.09, -974, 366]。这 5 个数字代表您的模型对您的输入数据对应于 5 个不同类别中的每一个的信心。如果您随后将np.argmax 应用于您的预测，则返回predictions 中最大值的索引：

np.argmax(predictions)

您将获得索引 4。假设您的数据集中的每个标签都是 0 到 4 之间的整数，并且由于您使用的是SparseCategoricalCrossEntropy，您可以说您的模型最有信心您的输入数据属于类4（无论第 4 类是什么）。我希望你能明白。