Python 如何在TensorFlow中的eval MNIST testdata期间从每个输出节点获取值？

我用张量流训练卷积神经网络（CNN）。培训结束后，我使用以下代码计算精度：

...
correct = tf.equal(tf.argmax(prediction, 1), tf.argmax(y, 1))
accuracy = tf.reduce_mean(tf.cast(correct, tf.float32))
eval_batch_size = 1
good = 0
total = 0
for i in range(int(mnist.test.num_examples/eval_batch_size)):
    testSet = mnist.test.next_batch(eval_batch_size, shuffle=False)
    good += accuracy.eval(feed_dict={ x: testSet[0], y: testSet[1]})
    total += testSet[0].shape[0]
accuracy_eval = good/total

对于“良好”，当检测到正确的测试图像时，我得到值1.0，如果没有，则得到值0.0

我想得到所有十个输出节点的值。例如，我使用手写“8”评估测试图像，因此数字“8”的输出节点可能为0.6，数字“3”的输出节点可能为0.3，“5”的输出节点可能为0.05，最后的0.05分布在其他七个输出节点上

---

那么我如何在TensorFlow中为每个测试图像获得这十个值呢？

您可以通过添加以下行来实现这一点：

pred=prediction.eval(feed_dict={ x: testSet[0], y: testSet[1]})

紧接着

testSet = mnist.test.next_batch(eval_batch_size, shuffle=False)

---

然后

pred

将是一个包含1个概率向量的数组，这就是您感兴趣的向量。

谢谢@MiriamFarbe！这就是我要找的。我对这个概率向量中的值有点困惑，我希望数字在0.0到1.0之间。但例如我得到了：“-45049.13281256181.90087891-26765.70117188-40108.960937544725.257812560644.22265625272028.3515625-38615.09375 23696.48046875-9353.94628906”。您是否有一些关键字或链接，我可以查找以了解这一点？@Freundlicher听起来您没有在输出上应用softmax（）。softmax函数将向量转换为概率向量。根据softmax的定义，argmax（预测，1）和argmax（softmax（预测，1）将相等。然而，后一个更容易解释，并且经常用于损失函数的计算。@Freundlicher除了我之前的评论之外，您可以在这里看到softmax是在模型中内部应用的：，而在这里它是显式应用的（在y=…）行中，我必须显式应用它？因为目前我在训练开始时使用：预测=卷积神经网络（x）成本=tf.reduce平均值（tf.nn.softmax\u cross\u entropy\u with_logits（logits=prediction，labels=y））你不必这样做，因为tf.nn.softmax\u cross\u entropy\u with_logits在内部就是这样做的。然而，如果你想自己研究概率向量，你需要这样做。下面是一个玩具示例：导入tensorflow作为tf a=tf.nn.softmax（[1.0,2.0]）sess=tf.InteractiveSession（）a.eval（）