用nn.CrossEntropyLoss（）训练的网络的测试和置信度得分>

Question

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。

1. 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？

2. 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）（...

Answer 1

1. 无论您在进行softmax之前还是之后选择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。