tensorflow之softmax
softmax 就是把值做个映射,映射到0-1之间,并且映射之后,和为1.
举个例子:
tt = tf.constant([1.0,2.0])
y = tf.nn.softmax(tt)with tf.Session() as sess:print(sess.run(y))
输出
注意看1
argmax:返回最大数的索引
labels1=[[0, 0, 1], [0, 1, 0] , [1, 0, 0]]
labels2 = tf.argmax(labels1,0 )
with tf.Session() as sess:l2 = sess.run( labels2 )print ('argmax output(sparse labels)', l2 )
返回:
[0,0,1]的最大数的索引是2
[0,1,0]的最大数索引是1
[0,0,1]的最大数索引是0
cross_entropy = -tf.reduce_sum(y_*tf.log(y))
cross_entropy2=tf.reduce_sum(tf.nn.softmax_cross_entropy_with_logits(logits = logits,labels = y_))
这两个函数输出是一样的
实例如下:
logits=tf.constant([[1.0,2.0,3.0],[1.0,2.0,3.0],[1.0,2.0,3.0]])
#step1:do softmax
y=tf.nn.softmax(logits)
#true label
y_=tf.constant([[0.0,0.0,1.0],[0.0,0.0,1.0],[0.0,0.0,1.0]])
#step2:do cross_entropy
cross_entropy = -tf.reduce_sum(y_*tf.log(y))
#do cross_entropy just one step
cross_entropy2=tf.reduce_sum(tf.nn.softmax_cross_entropy_with_logits(logits = logits,labels = y_))#dont forget tf.reduce_sum()!!with tf.Session() as sess:softmax=sess.run(y)c_e = sess.run(cross_entropy)c_e2 = sess.run(cross_entropy2)print(logits)print("step1:softmax result=")print(softmax)print("step2:cross_entropy result=")print(c_e)print("Function(softmax_cross_entropy_with_logits) result=")print(c_e2)
输出如下:
tensorflow之softmax相关推荐
- TensorFlow实现Softmax
TensorFlow实现Softmax Regression识别手写数字 本文是按照黄文坚.唐源所著的<TensorFlow实战>一书,进行编写.在TensorFlow实战之余,力求简洁地 ...
- TensorFlow MNIST (Softmax)
代码 import tensorflow as tf import numpy as np from tensorflow.examples.tutorials.mnist import input_ ...
- TensorFlow实战之Softmax Regression识别手写数字
本文根据最近学习TensorFlow书籍网络文章的情况,特将一些学习心得做了总结,详情如下.如有不当之处,请各位大拿多多指点,在此谢过. 一.相关概念 1.MNIST MNIST(Mixed N ...
- tensorflow问题
20210121 ImportError: No module named 'tensorflow.python' https://stackoverflow.com/questions/414156 ...
- Tensorflow快速入门2--实现手写数字识别
Tensorflow快速入门2–实现手写数字识别 环境: 虚拟机ubuntun16.0.4 Tensorflow 版本:0.12.0(仅使用cpu下) Tensorflow安装见: http:/ ...
- tensorflow保存模型和加载模型的方法(Python和Android)
tensorflow保存模型和加载模型的方法(Python和Android) 一.tensorflow保存模型的几种方法: (1) tf.train.saver()保存模型 使用 tf.train.s ...
- softmax实现多分类算法推导及代码实现
关于多分类 我们常见的逻辑回归.SVM等常用于解决二分类问题,对于多分类问题,比如识别手写数字,它就需要10个分类,同样也可以用逻辑回归或SVM,只是需要多个二分类来组成多分类,但这里讨论另外一种方式 ...
- tensorflow实战学习笔记(1)
tensorflow提供了三种不同的加速神经网路训练的并行计算模式 (一)数据并行: (二)模型并行: (三)流水线并行: 主流深度学习框架对比(2017): 第一章 Tensorflow实现Soft ...
- tensor如何实现转置_转置()TensorFlow中的函数
转置是TensorFlow中提供的函数.此函数用于转置输入张量.语法:转置(input_tensor,perm,conjugate)参数:input_tensor:顾名思义,它是要转置的张量.类型:T ...
最新文章
- Magento开发的特点有哪些?
- 万引大佬自曝这样被MIT拒掉:“系里不喜欢你”,找校长对峙后悟了
- 0x6A.图论 - 网络流初步
- 专有云传统HSF升级Pandora Boot开发
- keepalived(3)——解决无法用vip来访问的问题
- Tarjan算法学习1-双连通
- 如何让xtrabackup恢复速度提升20倍?
- python聚类分析成绩反思_机器学习python实践——二分K-means聚类
- python3.8文档_python 3.8的新功能
- php 无法加载css文件,解决ThinkPHP样式无法加载问题(CSS,JS),
- flutter 生成文档_Flutter文件操作
- html通用的排班方法,呼叫中心排班的两种主要方法
- Java调用动态库 缺点,Java调用动态库所需要关心的有关问题
- 时统ptp_IEEE1588 PTP对时系统原理及特点
- 1987年国际C语言混乱代码大赛获奖的一行代码
- 机器学习第三课--LWR的疑惑与想法
- 橙狮Scratch编程
- Layabox联手金山云,推出8折优惠大礼包!
- hexo主题之hexo-theme-yilia-plus
- 微信小游戏-飞机游戏玩法改造系列(二:支持血条)
热门文章
- windows 下rsync
- Twitter开源软件项目列表
- Python环境下工具安装小结
- 的clear会清空内存吗_Python内存分配时有哪些不为你知的小秘密?
- 用java画一个网格_用SolidWorks画一个波浪起伏的烟灰缸,包覆是重点
- python打包成exe fail to ex_寻求帮助:pyinstaller打包.exe
- python pdb pip安装_Python调试器,一个优秀开发人员的必备技能包
- vue-cli3.x中使用axios发送请求,配合webpack中的devServer编写本地mock数据接口(get/post/put/delete)...
- Python使用property函数和使用@property装饰器定义属性访问方法的异同点分析
- python3.4 + Django1.7.7 表单的一些问题