在测量 CNN 的准确性时，我明白我应该使用 softmax 层的输出(预测标签)来定位标签。但即使我将逻辑(根据我的理解，这是最后一个完全连接层的输出)与目标标签进行比较，我也得到几乎相同的准确性。这是我的代码的相关部分:
matches = tf.equal(tf.argmax(y_pred,1),tf.argmax(y,1))
acc = tf.reduce_mean(tf.cast(matches,tf.float32))
而y_pred是最终正常全连接层的输出，没有任何激活函数(仅矩阵乘法和偏置加法w*x+b)
y_pred = normal_full_layer(second_hidden_layer,6)
6因为我有 6 节课。
这是使用 y_pred 的准确度图:
准确率约为 96%
现在，如果我通过在 y_pred 上应用 softmax 激活来执行相同的操作(计算准确性)，我们称之为 pred_softmax，我会得到几乎相同的准确性
pred_softmax = tf.nn.softmax(y_pred).
准确度使用 softmax 绘制图表:
最佳答案
事实上，准确度应该完全相等。获取 logits 数组的 argmax 应该返回与获取该数组的 softmax 的 argmax 相同的结果。这是因为 softmax 函数以严格递增的方式将较大的 logits 映射为更接近 1。
softmax 函数采用一组输出(数组)y并将其映射到exp(y)/sum(exp(y)) ， y[i] 越大y[i]的softmax越大所以一定是argmax(y[i])==argmax(softmax(y[i]))
关于python - CNN : why it is making no difference whether i measure accuracy by logits or softmax layer?，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/50518591/