Python 3.x 如何在tensorflow中将单个神经元的输出转换为0和1类

我在泰坦尼克号数据集上做了一个NN。为了计算模型的精度，我希望输出Z3/A3为1，如果它高于0.5，否则为0

如果有其他的方法来做这种事情。那么请告诉我

这是我的前向道具功能

def forward_prop(X, parameters):
    W1 = parameters['W1']
    W2 = parameters['W2']
    b1 = parameters['b1']
    b2 = parameters['b2']
    W3 = parameters['W3']
    b3 = parameters['b3']

    Z1 = tf.matmul(W1, tf.transpose(X))
    A1 = tf.nn.relu(tf.add(Z1, b1))
    Z2 = tf.matmul(W2, A1)
    A2 = tf.nn.relu(tf.add(Z2, b2))
    Z3 = tf.matmul(W3, A2)
    A3 = tf.nn.softmax(tf.add(Z3, b3))

    return A3

A3的输出形状为1,1

这是成本函数

def compute_cost(Z3, Y, m):
    cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(
        labels=tf.transpose(Y), logits=Z3))
    return cost

它以一些数字的形式给出输出。。。我希望输出为离散类，即0和1

请帮忙

计算类输出神经元的概率分布，如果只有1个输出神经元，则1个神经元的概率分布始终为1.0。我建议结合使用，例如：

如果A3大于0.5，则预测将返回True，否则返回False。 您可以将布尔预测转换为其他类型，例如整数：

class_label = tf.cast(prediction, tf.int32)

这样，True将转换为1，False将转换为0。 对于成本函数，使用：

---

如果你有更多关于单神经元二元分类的详细信息，我建议你进一步研究。

LOL现在是凌晨3点，我忘记了我的概念。我知道我忘了什么，结果发现是乙状结肠。我不知道tf。更大的。。。非常感谢：@mohisaini您的代码可能包含bug，我更新了答案，请查看***部分这是我的第一个模型：。有什么改进的建议吗？@mohisaini我看了看代码，那不是一个bug，很抱歉。否则看起来没问题，但我没有运行代码。

class_label = tf.cast(prediction, tf.int32)

cost = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(labels=tf.transpose(Y), logits=Z3))