如何从TensorFlow得到真实的预测

我对TensorFlow和MI都是新手。我读了很多书，搜索了好几天，但没有找到任何有用的东西，所以

我的主要问题是，每个教程/示例都使用图像/单词/等等，结果只是一个数字介于0和1之间的向量（是的，这就是概率）。就像初学者教程一样，他们想在图像中识别数字。因此，结果集只是每个单个数字（0-9）概率（某种）的“映射”。我的问题来了：我不知道结果会是什么，可能是1，2，999，任何东西

所以基本上：

input: [1, 2, 3, 4, 5]
output: [2, 4, 6, 8, 10]

---

这只是一个简单的例子。我总是会有相同数量的输入和输出，但如何才能用TensorFlow（而不仅仅是像

[0.1,0.1,0.2,0.2,0.4]

这样的东西）返回预测值呢？我不确定我的问题有多清楚，如果不清楚，请提问。

我不知道您的编程背景或TensorFlow作为一个框架，但是否有什么东西阻止您编写一个阈值函数，该函数采用决策规则并将其应用于每个概率？如果这不是你的背景知识，那么最好的办法就是学习检测理论，访问交叉验证。你到底想做什么？您的输出是代表某个类的标签，例如0-9代表相应的数字，还是您的输出是实值变量？@kaufmanu我的输出将是实值变量。我只是找不到一个例子/教程向我展示如何做到这一点。看来你是在试图解决回归问题，而不是像检测图像是否显示数字0、1、…、9这样的分类问题。如果你在谷歌上搜索

tensorflow回归教程

，我肯定会出现一些问题，例如：这个链接：@kaufmanu谢谢，我会看一看！