从张量流中获取前k个预测

Question

我在机器学习方面相对较新，尤其是在实现算法方面。我正在使用python和tensorflow库来实现神经网络，以对约20个类的数据集进行训练。我能够训练并成功获得预测，但是我有一个问题，

是否可以使用张量流而不是单个预测来获取前k个类及其概率？

如果有可能怎么做？感谢您的指导。

更新01： 我正在添加正在执行的代码。因此，我构建了一个神经网络，该网络具有3个层，分别具有tanh，Sigmoid和Sigmoid作为隐藏层的激活函数，并具有softmax作为输出层。训练和预测的代码如下：

y_pred = None
    with tf.Session() as sess:
        sess.run(init)
        for epoch in range(training_epochs):            
            # running the training_epoch numbered epoch
            _,cost = sess.run([optimizer,cost_function],feed_dict={X:tr_features,Y:tr_labels})
            cost_history = np.append(cost_history,cost)
        # predict results based on the trained model
        y_pred = sess.run(tf.argmax(y_,1),feed_dict={X: ts_features})

现在，y_pred是ts_features的每个测试示例的类标签列表。但是，我希望不为每个测试示例获取一个单一的类标签，而是希望为每个示例获取前k个预测，同时每个k预测都带有某种概率。

Answer 1

使用tf.nn.top_k()：

top_k_values, top_k_indices = tf.nn.top_k(predictions, k=k)

如果predictions是每个类别（即predictions[i] = prediction probability for class i）的概率向量，top_k_values则将包含中的k最高概率predictions，top_k_indices并将包含这些概率的索引，即对应的类别。

假设在您的代码中，y_是每个类的预测概率的向量：

k = 3  # replace with your value
# Instead of `y_pred`:
y_k_probs, y_k_pred = sess.run(
    tf.nn.top_k(y_, k=k), feed_dict={X: ts_features})