Keras软最大概率

我试图从最后一层是softmax层的网络中获取softmax概率，当我使用model.predict（）时，我得到的是类，而不是概率。谁能告诉我如何得到概率

 model = Sequential() 
 model.add(Convolution2D(32, 3, 3,input_shape=(32, 32, 3))) 
 model.add(MaxPooling2D((2, 2))) 
 model.add(Dropout(0.5))
 model.add(Activation('relu'))
 model.add(Convolution2D(32, 3, 3))
 model.add(MaxPooling2D((2, 2))) 
 model.add(Dropout(0.5))
 model.add(Activation('relu'))
 model.add(Flatten())      
 model.add(Dense(128))
 model.add(Activation('relu')) 
 model.add(Dense(43)) 
 model.add(Activation('softmax'))

---

模型的输出值将介于0和1之间。 您的模型应该给出大小为43的向量，所有输出的总和将相加为一

---

根据您的培训情况，如果与培训示例类似，则所选课程的这些“概率”通常几乎为一，表明模型经过良好培训

请提供更多信息，如果网络具有softmax输出，则model.predict将返回这些概率。如果你没有看到概率，那么代码中就有错误。你对“类”和“概率”的理解是什么？Softmax将始终返回所有类的“机会”，求和1。请显示您的模型构建代码。我的网络是：。我的网络是：model=Sequential（）model.add（卷积2D（32,3,3，input_shape=（32,32,3）））model.add（maxpoolig2D（（2,2）））model.add（Dropout（0.5））model.add（Activation（'relu'））model.add（卷积2D（32,3,3））model.add（maxpoolig2D(（2，2）））模型。添加（辍学（0.5））模型。添加（激活（'relu'））模型。添加（展平（））模型。添加（密集（128））模型。添加（激活（'relu'））模型。添加（密集（43））模型。添加（激活（'softmax'））当我使用模型。预测（pics_数据[0:6]，批量大小=32，冗余=1）我得到零和一，而不是概率（我认为是直接预测的类）