Python 将Tensorflow预测导出到csv，但结果包含所有零-这是因为一个热端吗？

我使用Tensorflow框架进行分类预测。我的数据集包含大约1160个输出类。输出类值为6位数字。例如，789954。在使用Tensorflow对数据集进行训练和测试后，我获得了大约99%的准确率

现在，第二步是在csv文件中获取预测结果，以便我可以检查预测结果（logit）是否与集合中的原始标签匹配。我们知道logit是我的一个热编码向量。因此，我已经完成了以下步骤，以解码一个热编码

prediction=tf.argmax(logits,1)
print(prediction.eval(feed_dict={features : test_features, keep_prob: 1.0}))
prediction = np.asarray(prediction.eval(feed_dict={features : test_features, keep_prob: 1.0}))

prediction = np.reshape(prediction, (test_features.shape[0],1))
np.savetxt("prediction.csv", prediction, delimiter=",") 

对于所有条目，csv文件中的结果值仅为0.00E+00。但我的期望是，每个csv条目都有6位代码。我想我的一个热门编码出了问题

任何帮助都是值得的

添加： 我有一个热编码的方式

labels = tf.one_hot(labels, n_classes)

---

n_classes=1160，所有的值都是6位数字，如果每个描述只有一个标签，那么你的方法就可以了。您可以使用

sklearn LabelEncoder

将类别转换为标签。您的标签应为每个功能设置一个介于

[0到1160]

之间的值，然后对csv文件中的热编码执行

0.00E+00。请使用
np.savetxt（“prediction.csv”，prediction，fmt='%d'，delimiter=“，”）进行检查
。问题可能是所有预测都指向第一类。嗨，我想解释一下问题陈述。对于描述，“Airtel bill”-相应的代码是457857“fit bit”-788978“google home”-959546，因此对于每个描述，都有相应的代码。因此，我使用sklearn的countvectorizer获取每个描述的向量，并运行一个NN模型来查找新数据的分类。这个模型不适合执行这些数据吗？就像你说的，如果所有的预测都指向第一类，那么为什么我得到100%的准确率？你的是一个多标签问题？。标签上有多个箱子作为一个？csv文件中的所有预测都为零吗？。如果是的话，那么你的准确度计算是错误的。有办法解决吗？