以下结果是来自线性回归的numpy ndarray得分[y = Wx + b]。
scores = tf.nn.xw_plus_b(self.h_drop, W, b, name='scores')
~ ~ .....
all_scores = np.zeros(shape=(0,len(label_dict)))
~~...
all_scores = np.concatenate((all_scores, batch_scores) , axis=0)
如何将上面的numpy ndarray值更改为ndarray概率值?
期望的结果:
col0 col1 col2 col3 col4 col5
Row1 0.02 | 0.123 | 0.678 | 0.067 | 0.0987 | 0.1089 : Sum(col0~5) = 1
~
答案 0 :(得分:2)
最简单的方法是应用softmax函数:
f(x)= e ^ x_i / sum_j e ^ x_j
这会将任何范围内的值转换为总和为1的向量,可以将其解释为概率。执行此操作的TF函数是tf.nn.softmax。