Question

我正在训练CNN进行图像分类。相同的对象（然后带有相同的标签）在测试集中出现两次（如两个视点）。我想在上课时充分利用这一点。

现在，最后一层是Linear层（PyTorch），我正在使用交叉熵作为损失函数。我想知道对每个对象进行最有把握的预测的最佳方法是什么。我应该首先计算LogSoftMax并以最高的概率（在这两个预测数组中）选择该类，还是应该直接采用logit？

Answer 1

由于LogSoftMax保留顺序，因此最大logit将始终对应于最高置信度。因此，如果您感兴趣的只是找到最有信心的类别的索引，则无需执行操作。

获取最自信类别的索引的最简单方法可能是使用torch.argmax。

例如

batch_size = 5
num_logits = 10
y = torch.randn(batch_size, num_logits)
preds = torch.argmax(y, dim=1)

在这种情况下会导致

>>> print(preds)
tensor([9, 7, 2, 4, 6])