我正在学习张量流，在各种示例中，我已经看到要使用log tf.argmax(logits, 1)从logit获得预测。根据我的理解，logits是概率值，tf.argmax()将给出指定轴上最大值的 index 。但是，如何使用索引代替概率值。我们不应该将最大值用作预测吗？
但是我已经看到上面的代码可以正常工作。我确定我在这里缺少一些基础知识。有人可以举例说明吗？
答案 0 :(得分：5)
通常logits是分类网络的输出张量，其内容为未归一化（不在0到1之间缩放）的概率。
tf.argmax为您提供沿指定轴的最大值索引。
您可以将logits转换为伪概率（这只是张量，其值的总和为1），并将其作为输入送入argmax：
top = tf.argmax(tf.nn.softmax(logits), 1)
但是最后，结果与直接馈入未归一化的概率相同：
top = tf.argmax(logits, 1)
但是，您必须使用argmax才能了解网络为该输入预测的类，这是唯一的方法，您不能仅使用概率（归一化或非归一化）。
只需考虑一个logits张量：
logits = [ [ 10, 500, -1, 0.5, 12 ] ]
张量形状为[1，5]。只需查看张量值，您就可以轻松地了解到，置信度最高的类是与位置1相关联的类，其值为500。
如何提取最高值的位置？您必须使用argmax：
top = tf.argmax(logits, 1)
执行后将返回值1
摘要：
logits的值为Scores，索引为Classes。通过使用argmax()，可以获得predicted class