我已经训练了具有以下结构的网络:
Intent_LSTM( (attention): Attention() (embedding): Embedding(34601, 400) (lstm): LSTM(400, 512, num_layers=2, batch_first=True, dropout=0.5) (dropout): Dropout(p=0.5, inplace=False) (fc): Linear(in_features=512, out_features=3, bias=True) )
现在,我想测试这个训练有素的网络,并获得分类的置信度得分。这是我当前测试功能的实现:
output = model_current(inputs) pred = torch.round(output.squeeze()) pred = pred.argmax(dim=1, keepdim=True)
现在我的问题如下。
这是我的网络中完全连接的层的输出,没有softmax(根据损失函数的要求)。这(pred = pred.argmax(dim = 1,keepdim = True))是获得预测的正确方法吗?还是应该将网络的输出传递到softmax层,然后执行argmax?
我如何获得置信度分数?我应该将网络的输出传递到softmax层,然后选择argmax作为类的置信度吗?
我已经训练了具有以下结构的网络:Intent_LSTM((注意力):Attention()(嵌入):嵌入(34601,400)(lstm):LSTM(400,512,num_layers = 2,batch_first = True,退出= 0.5)(...
argmax
都没有关系。因为使softmax最大化的任何事情也将使logits(pre-softmax)值最大化。因此,您应该获得相似的值。