在张量流文档（softmax_cross_entropy_with_logits）中，他们说＆＃34; logits：unscaled log probablilty＆＃34;。什么是记录概率＆＃39;？首先，我理解＆＃39; logits＆＃39; as＆＃39;在归一化之前输出＆＃39;或者＆＃39;为班级得分。
logits = tf.matmul(X,W) + b
hypothesis = tf.nn.softmax(logits)
如果我通过tf.matmul（X，W）+ b得到[1.5,2.4,0.7]，那么[1.5,2.4,0.7]是logits（得分），这是未缩放的。到目前为止我能理解它。但是，我无法理解为什么[1.5,2.4,0.7]会记录概率＆＃39;。
答案 0 :(得分：2)
如果你将softmax函数的输出解释为概率（我们喜欢这样做），那么很容易看出＆＃34; log probability＆＃34;来自：
softmax功能
\ EXP {Z_K} / \ sum_i {\ EXP {z_i}}，
使用z_i作为＆＃34; logits＆＃34;的组件。分母只关注归一化，即它确保所有输出总和为1（如果我们想将它们解释为一组互斥类的概率，这是有意义的）。因此，查看分子，softmax函数的输出基本上只是exp（z）。如果我们将其解释为概率，则z（＆＃34; logits＆＃34;）是非标准化概率的对数。
答案 1 :(得分：1)
谢谢大家！
我找到了这篇文章。它几乎解决了我的问题。
https://stats.stackexchange.com/questions/52825/what-does-the-logit-value-actually-mean