Tensorflow多类分类丢失

Question

基于这个例子，我最近一直在尝试实现一个多类分类LSTM架构：biLSTM example

我换了之后

self.label = tf.placeholder(tf.int32, [None])

至

self.label = tf.placeholder(tf.int32, [None,self.n_class)

该模型似乎正常训练，但我在这一步遇到了麻烦：

    self.loss = tf.reduce_mean(
        tf.nn.sparse_softmax_cross_entropy_with_logits(logits=y_hat, labels=self.label))

    # prediction
    self.prediction = tf.argmax(tf.nn.softmax(y_hat), 1)

因为，即使模型正常学习，预测似乎也不适用于多个变量。我想知道如何对self.prediction对象进行编码，以便它为各个实例发出一个预测向量？

非常感谢你。

Answer 1

我想知道如何对self.prediction对象进行编码，以便它为各个实例发出一个预测向量？

通常，tf.nn.softmax返回概率向量。你只是看不到它们，因为你正在使用tf.argmax，它返回最大值的索引。因此，您只需获得一个号码。只需删除tf.argmax就可以了。