有用过 TensorFlow 的 V2er 吗？

http://stackoverflow.com/questions/33711556/making-predictions-with-a-tensorflow-model 看看这个？

@sleeperqp 谢谢你！
在你的提醒下，我能求出来结果了，但是结果应该是一个 0 和 1 的数组，我却只能得到 float 的数组，也不是约等于 0 或 1 的。
我看在评估测试集的时候，用的了一个 tf.nn.in_top_k(logits, labels, 1)，得到的结果居然也是 90%左右
tf.nn.in_top_k(logits, labels, 1) 应该就是要找预测结果在正确的可能性是前 K 的，这时 K 是 1 ，那就应该是完全符合才对的
那为什么得到的结果不是 0 ， 1 数组呢？

不知道是不是十个数的数组
如果是的话 应该对应是 0-9 的概率数组
如果你要得到这个结果可以 argmax 这样就可以得到预测是哪个数字了

@sleeperqp 对，用 argmax 可以找到这个数组最大的那个数，好像是代表结果
但是我现在不理解的是，在学习的过程中目标值 y 一直是 0 1 数组，但是训练出来的结果虽说也是最大值的序号代表结果，但是为什么会是一些不随机数呢？
这个应该是和 FNN 这个算法相关的了吧？

@zwpaper 不太懂你说的随机数指什么？
首先虽然训练集中的 y 等于 label 一般为整数,但是其实实质上在训练过程中转换成(0,0,0...1...0,0,0)^T 其中 1 处在第 y 位上 比如一共有 3 类 数据点的 y 值为 2(从 0 开始) 则训练过程中转化为 (0,0,1)

另外
你可以看下 softmax 一般在神经网络的隐含层到输出层用的是 softmax 目的是归一化多类别的输出
比如 logistic regression 是解决二类分类问题,将实数集投射到(-1,1)上
而 softmax 则是将类别的输出(output1,output2...outputn)投射到(p1,p2...pn) 其中 p1+p2+..Pn=1 且 0<=pi<=1 这个就是你看到 10 个数的数组

我也是新手 不知道能不能解决你的问题

@sleeperqp 我终于明白了！太感谢你了！
当时不明白的就是我觉得本应该输出的也是 (0,0,0...1...0,0,0)^T 这样的结果
但是得到的总是 (2.00172349e-06, 9.99997973e-01, ...)^T 这样的结果，也是最大的数的序号表示结果。
当时一直在想为什么不是只有 0 和 1 ，现在看来就是这个算法的结果就是这样的

softmax 一句话讲解，赞！

@zwpaper 客气了 我也是新手 共同进步~~ 嘿嘿~~

哥们，留个联系方式，或者加我 QQ ，赠书给你。

295164745