Python Keras softmax输出和精度

这是Keras模型的最后一层

model.add(Dense(3, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

我知道softmax层的输出是一个数组，概率总和为1，例如

[0.1,0.4,0.5]

我有一个关于使用精度作为度量标准的问题

e、 例如，当真实类为

[0,0,1]

且预测概率为

[0.1,0.4,0.5]

时，即使

0.5

为最大概率，该预测的准确性也应为

0

，因为

0.5！=1

。对吗

更一般地说，当输出层激活为

softmax

时，我们通常会得到浮动概率预测，并且在很小的机会内我们会得到整数概率预测，如

[0,0,1]

。因此，当使用

softmax

作为激活时，我们不能使用

准确性作为度量。对吗

e、 例如，当真实类为[0,0,1]且预测概率为[0.1,0.4,0.5]时，即使0.5是最大概率，该预测的准确性也应为0，因为0.5！=1.对吗

否。将具有最大值的索引视为模型的预测。因此，在您的示例中，此示例预测将有助于提高准确性。这通常被称为顶级精度。在图像分类中，也经常使用前5名的精度（softmax层中前5名的最大值被视为对NN的猜测，并考虑其精度）

更一般地说，当输出层激活为softmax时，我们通常会得到浮动概率预测，并且在很小的机会内我们会得到整数概率预测，如[0，0，1]。因此，当使用softmax作为激活时，我们不能使用精度作为度量。对吗

从技术上讲，您永远不会获得softmax层输出的整数值，因为该类型是float。但是是的，获得[0.0,0.0,1.0]的机会非常小。你的假设是不正确的，因为前提不成立。然而，当使用Softmax作为神经网络的分类层时，准确度是一个有效的指标。
我刚刚尝试了
模型。评估（x=[[1,2,3.]]，y=[[0,0,1,0]]，）
它按预期工作，成功地预测了作为其类别的最大值指数。谢谢你的回答。