这个问题可能与非常具体的应用程序相关，但我被阻止了，我认为这是一个问的好地方。 假设我们在 Keras 中有一个序列到序列的 LSTM，例如 Part of Speech Tagger。最后一层给了我标签序列和每个标签的概率。考虑以下预测输出；
A = [[0.1, 0.3, 0.2, 0.4],[0.2, 0.2, 0.2, 0.4],[0.5, 0.2, 0.1, 0.1]]
基本上这是一个长度为 3 的序列，在序列的每个时间点有 4 个可能的标签。
现在我想做的是把这个顺序改成下面的顺序。
A' = [[0, 0, 0, 1],[0, 0, 0, 1],[1, 0, 0, 0]]
换句话说，我想将一个放在最大概率的位置，并将所有其他的都更改为 0。非常感谢帮助。
【问题讨论】：
标签： neural-network keras lstm keras-layer softmax
您可以使用这个稍作修改的采样函数：
def set_max_to_one(preds, temperature=0.01):
preds = np.log(preds) / temperature
exp_preds = np.exp(preds)
preds = exp_preds.T / np.sum(exp_preds, axis=1)
return preds.astype("int16").T
这会返回您所期望的。您可以摆弄温度，使其稳定且不会返回 NA，但使用 0.01 应该就足够了。您可能还想更改输出数组的类型。
请注意，如果您使用 numpy 数组对象，这将起作用，如果您想将其用于 keras 张量，则需要对其进行修改（例如考虑批量大小）。希望这会有所帮助
编辑：
这应该在 keras 中工作：
import keras.backend as K
def set_max_to_one(x, temperature=0.01):
x = K.log(x)/temperature
return K.round(K.softmax(x))
如果您想设置axis 值，可以使用layers.core.Activation() 而不是backend.softmax()。
请注意，输出仍然是 float 的张量，而不是 int 的张量，但我不知道如何更改张量类型。应该没什么区别。
【讨论】：