卷积神经网络的输出意味着什么
What does output of Convolutional neural network implies
机器学习初学者...
我知道 CNN 模型为图像所属的 class 指示值“1”，否则为“0”。但是我为我的模型之一获得的输出有点奇怪。
输出-：
[[ 1.00000000e+00 , 1.02304026e-20 , 0.00000000e+00]]
我观察到 class 1 的值比其他 class 更高，因为我正在测试的图像实际上属于那个 class。但我真的无法理解该输出意味着什么以及为什么它不只是 0 或 1。
CNN 是一种用于处理图像的神经网络。您所展示的可能是使用 CNN 处理输入的 classifier 的输出。您观察到该输出是因为我们经常对输出向量应用 softmax 运算以产生 概率分布 ，每个值都在 0 和 1 之间并且向量总和为 1。每个输出中的条目告诉您输入属于特定 class 的概率。这不是故事的结局，只是你的起点。
您在第二个条目中观察到非常小的数字而不是 0 的原因是因为这些概率基于 logistic sigmoid function 如果输入很大则趋向于 1，否则趋向于 0。当您使用浮点数时，它们会非常接近 0 和 1，但不一定会变成 1 或 0。
机器学习初学者... 我知道 CNN 模型为图像所属的 class 指示值“1”，否则为“0”。但是我为我的模型之一获得的输出有点奇怪。
输出-： [[ 1.00000000e+00 , 1.02304026e-20 , 0.00000000e+00]]
我观察到 class 1 的值比其他 class 更高，因为我正在测试的图像实际上属于那个 class。但我真的无法理解该输出意味着什么以及为什么它不只是 0 或 1。
CNN 是一种用于处理图像的神经网络。您所展示的可能是使用 CNN 处理输入的 classifier 的输出。您观察到该输出是因为我们经常对输出向量应用 softmax 运算以产生 概率分布 ，每个值都在 0 和 1 之间并且向量总和为 1。每个输出中的条目告诉您输入属于特定 class 的概率。这不是故事的结局，只是你的起点。
您在第二个条目中观察到非常小的数字而不是 0 的原因是因为这些概率基于 logistic sigmoid function 如果输入很大则趋向于 1，否则趋向于 0。当您使用浮点数时，它们会非常接近 0 和 1，但不一定会变成 1 或 0。