如何使用张量流在 CNN 中实现置信度？

Question

我的 CNN 输出一组值，我必须检查最大的值并将其作为预测类。例子：

-148.7290802 , -133.90687561,  -90.850914  , -135.78356934,
    -128.6325531 , -125.76812744,  -85.41909027,  -72.3269577 ,
    -103.51300812

对于类索引 6。

现在，我怎样才能获得对结果的信心？

我的设置是：

predict_op = [tf.argmax(py_x,1), py_x]
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(py_x, Y))
train_op = tf.train.RMSPropOptimizer(learningRate, decayRate).minimize(cost) 

更新的代码现在返回：[[ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. 0.]]

predict_op = tf.nn.softmax(py_x)
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(py_x, Y))
train_op = tf.train.RMSPropOptimizer(learningRate, decayRate).minimize(cost) 

Answer 1

最后阶段应用softmax；这将在最后阶段产生后验概率。您已经在设置中使用了 softmax；只需在最终向量上使用它即可将其转换为 RMS 概率。该预测的置信度只是顶部项目的概率。

对于一个快速说明，请参见维基百科页面下推广和统计。本节还描述了模型整体的置信度。