小编cyb*_*ric的帖子

在keras-vis 文档中是这样说的：

为了可视化最终密集层输出的激活，我们需要将 softmax 激活切换为线性，因为输出节点的梯度将取决于所有其他节点激活

我仍然不明白为什么我们需要切换 softmax 层以及这个和其他节点激活之间的关系是什么。那么，我们为什么要这样做？

我根据其列缩放矩阵，如下所示：

scaler = MinMaxScaler(feature_range=(-1, 1))
data = np.array([[-1, 2], [-0.5, 6], [0, 10], [1, 18]])
scaler = scaler.fit(data)
data_scaled = scaler.transform(data)

在data_scaled给我的情况如下：

array([[-1. , -1. ],
       [-0.5, -0.5],
       [ 0. ,  0. ],
       [ 1. ,  1. ]])

这是所需的输出。但是，我试图逆转此矩阵第一列的缩放比例，所以我尝试了以下操作（错误显示在每行代码下方）：

scaler.inverse_transform(data_scaled[:,1].reshape(1,-1))
Traceback (most recent call last):
  File "c:\anaconda3\lib\site-packages\IPython\core\interactiveshell.py", line 2862, in run_code
    exec(code_obj, self.user_global_ns, self.user_ns)
  File "<ipython-input-38-6316f51586e7>", line 1, in <module>
    scaler.inverse_transform(data_scaled[:,1].reshape(1,-1))
  File "c:\anaconda3\lib\site-packages\sklearn\preprocessing\data.py", line 385, in inverse_transform
    X -= self.min_
ValueError: operands could not be broadcast together with …