如何在张量流中将logits转换为二进制分类中的概率？

Question

logits= tf.matmul(inputs, weight) + bias

在matmul操作之后，logits是从MLP层派生的两个值。 我的目标是二元分类，如何将两个值，logits转换为概率，包括正概率和负概率，它们的总和是1？

Answer 1

predictions = tf.nn.softmax(logits)

Answer 2

我正在为任何需要进一步说明的人写这个答案：

如果是二进制分类，则应为：

prediction = tf.round(tf.nn.sigmoid(logit))

如果是多类别分类：

prediction = tf.nn.softmax(logit)

然后使用argmax函数，可以获得概率得分最高的类的索引。

np.argmax(prediction, 0)