以下是此页https://www.tensorflow.org/versions/0.6.0/tutorials/deep_cnn/index.html
上提出的问题练习：推理的输出是非标准化的logits。尝试 编辑网络体系结构以返回标准化预测 使用tf.softmax（）。
根据练习的精神，我想知道我是否在正确的轨道上（不是寻找编码的答案）。
这是我提出的解决方案。
第1步：示例中的最后一层（推理）是＆＃34; softmax_linear＆＃34;，即它只是执行非标准化 WX + b转换。根据规定，我们将tf.nn.softmax操作与softmax_linear一起用作输入。这将输出标准化为范围[0,1]上的概率。
第2步：下一步是修改损失函数中的交叉熵计算。由于我们已经具有规范化输出，因此我们需要将tf.nn.softmax_cross_entropy_with_logits操作替换为普通cross_entropy(normalized_softmax, labels)函数（在计算损失之前不会进一步规范化输出）。我相信这个函数在tensorflow库中可以不;需要写出来。
那就是它。我们诚挚地征求反馈意见。
答案 0 :(得分：0)
如果您在tf.nn.softmax()中插入cifar10_eval.py（而不是cifar10.py），则第1步就足够了。例如：
logits = cifar10.inference(images)
normalized_logits = tf.nn.softmax(logits)
top_k_op = tf.nn.in_top_k(normalized_logits, labels, 1)