推論を行うときに、各クラスに関連付けられた確率パーセンテージを計算するにはどうすればよいですか？

Question

私はテンソルフローのMNISTチュートリアルの変更に取り組んでいます。私は36のクラスを持っています。

マイNN出力：ソフトマックスを使用した後

[[ -2386.17529297 18497.5546875 12824.89257812 11382.53417969 5093.64941406 13072.60546875 -4560.9921875 13502.52148438 6688.22802734 -20945.26953125 9932.95605469 -9839.86816406 -51489.03515625 5788.45410156 -16452.57421875 6666.68457031 3585.06298828 56.68802261 12293.05664062 11485.73535156 8274.83496094 10686.38769531 1002.59674072 7018.57275391 -10461.40039062 -7438.14501953 4308.97021484 -12628.72949219 -12593.25390625 17131.04296875 -33693.35546875 8738.546875 4923.90917969 -19373.60351562 11723.73339844 -2816.69580078]]

：

[[ 0. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]

Answer 1

私はあなたが原因モデルの大出力にワンホットベクトルを取得していると言うでしょう。

softmaxは、p_i = exp（o_i）/ sum（exp（o_j））として計算されます。

あなたはあなたの出力の威力を上げ、すべての累乗の合計で割っています。

このように、出力値が大きい場合、e ^（18497.55）（2番目の出力）が他のすべての出力よりもはるかに大きいので、分類子は非常に自信があります。

モデルで正規化を使用しましたか？正規化は、モデルをより小さな重みに偏向させ、通常はより小さい出力を保証します。