Tensorflow : tf. argmax() 作为预测还是最大值？

Question

我正在学习 tensorflow，在各种示例中，我已经看到我们使用 tf.argmax(logits, 1) 从 logits 中获得预测.据我了解logits是概率值和 tf.argmax()会给索引指定轴上的最大值。但是，我们如何使用索引代替概率值。我们不应该使用最大值作为预测吗？

但我已经看到上面的代码工作正常。我确定我在这里遗漏了一些基础知识。任何人都可以用一个例子来澄清这一点吗？

Answer 1

平时logits是分类网络的输出张量，其内容是未归一化(未在 0 和 1 之间缩放)的概率。
tf.argmax为您提供沿指定轴的最大值索引。

您可以转换 logits到伪概率(这只是一个张量，其值总和为 1)并将其作为输入提供给 argmax:

top = tf.argmax(tf.nn.softmax(logits), 1)

但最终，结果与直接输入未归一化的概率相同:

top = tf.argmax(logits, 1)

但是，您必须使用 argmax 才能了解网络为该输入预测的类别，这是唯一的方法，您不能仅使用概率(归一化或非归一化)。

想想像这样的 logits 张量:

logits = [ [ 10, 500, -1, 0.5, 12 ] ]

张量形状为 [1, 5]。只需查看张量值，您就可以轻松理解置信度最高的类是与位置 1 相关联的类，值为 500。

如何提取最高值的位置？你必须使用 argmax:

top = tf.argmax(logits, 1)

一旦执行，它将返回值 1

概括:
logits 的值为 Scores , 索引为 Classes .通过使用 argmax() ，您可以获得predicted class