TF 默认用于将输入图像分类为某个类别的阈值是多少？
例如，假设我有 3 个类0, 1, 2，图像的标签是 one-hot 编码的，如下所示：[1, 0, 0]，这意味着该图像的标签为 0 类。
现在，当模型在 softmax 之后输出预测时，如下所示：[0.39, 0.56, 0.05]TF 是否使用 0.5 作为阈值，因此它预测的类别是类别 1？
如果所有预测都低于 0.5，就像[0.33, 0.33, 0.33]TF 所说的结果一样怎么办？
有没有什么方法可以指定一个新的阈值（例如 0.7），并确保 TF 在没有类别预测高于该阈值的情况下表示预测是错误的？
此外，这种逻辑是否也会延续到推理阶段，如果网络不确定该类别，那么它将拒绝对图像进行分类？