1回答

AlenW

2019-07-30

one-hot编码不是求出概率，举个例子它 y =3 ;

 y_ one_hot= tf.one_hot(y, 10, dtype=tf.float32)

y_ one_hot = [0, 0, 0, 1, 0, 0, 0, 0, 0, 0]

p_y = tf.nn.softmax(y_) 这是一个把y_的也就是预测到的结果转换成 分类为0-9 的概率 且和为1。
你可以理解为 完全正确的情况下(非常极端的情况)，预测成3的概率为1，预测成其他数字都是的概率为0

由于你的问题不是很明确，求出概率和预测值-真实值的绝对值没有任何关系

求概率是预测，预测值-真实值的绝对值是求误差

假设你想问的是怎么求出loss误差

就是(y_one_hot - p_y)^2求均值 也就是tf.reduce_mean()的操作，如果这个函数不是很懂，你可以查阅相应的API。在多分类的时候y_one_hot - p_y 是一个n*m矩阵, m是类别数，也就是本节课中的10，n数据样本数，也就是这节课的batch_size. 这个矩阵就是误差，对这个矩阵求均值。

以下是矩阵求均值的例子

x = [[1,2,3],[1,2,3]]
xx = tf.cast(x,tf.float32)
mean_all = tf.reduce_mean(xx, keep_dims=False)  #keep_dims是指定是否保持原有的张量维度

mean_all 的结果就是2.0

0

0