如何为CNN每堂课获得0到1之间的分数？

Question

我目前正在训练一个网络(CNN是用Tensorflow实现的)来对超过3个类别进行分类，问题是我最终得到的分数如下：

[ -20145.36, 150069, 578456.3 ].

我想要0到1之间的分数(某种概率)。

起初，我考虑使用sigmoid函数，但后来我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在每堂课的分数从0到1之间？

谢谢

Answer 1

作为最后一层，您总是使用softmax来获得n级分类分数.因此，您有很多选项，如tensorflow分类文档中提到的。

最简单的方法是使用tf.nn.softmax()

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

示例：

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.])