我的任务是按像素分类图像......所以图像的每个像素都有一个类，CNN应该能够读出标签图像，使每个像素具有该类的离散值（0- 19）。
我有一个CNN似乎在复制相对值时做得很好，因此它接近标签图像的范围为0.00001和0.00002 ......但是，我无法使交叉熵工作超越＆＃34;有点好＆＃34;，因为它依赖于具有离散值的图像标签矩阵：
[[0, 1, 1, 1],[1,1,3,3],.etc] # A 2x4 pixel example
另外，我不认为我可以依赖单向量，因为我会看一个19 * 227 * 227的矩阵...但是如果这里没有解决方案，我也许会尝试。
无论如何，我如何对softmax中返回的值进行整数装箱？我必须为图像中的每个像素执行1hot向量，还是可以通过其他方式将softmax分布更改为整数类？
答案 0 :(得分：2)
我意识到这个答案有点晚了，但希望它会有所帮助。您不必创建一个热矢量;你可以使用BI4。
tf.nn.sparse_softmax_cross_entropy_with_logits
请参阅下面的链接，了解其文档以及下面的链接，以获取教程CIFAR-10网络中使用的示例。 https://www.tensorflow.org/versions/r0.8/api_docs/python/nn.html#sparse_softmax_cross_entropy_with_logits https://github.com/tensorflow/tensorflow/blob/master/tensorflow/models/image/cifar10/cifar10.py
希望这有帮助！