本文介绍了如何从深度学习模型的输出概率向量转换为预测标签。给定形状为(B,N,class)的probabilities矩阵，通过使用numpy的argmax函数沿着最后一个轴(-1)找到每个样本的最大概率对应的类别的索引，生成shape为(B,N)的标签数组。这种方法常用于多分类任务中，将概率分布转化为硬预测。
【分类问题】【numpy】网络输出预测向量->标签
即 取出每一项的最大值的索引
probabilities是shape=(B,N,class)的深度学习输出。N个样本，每个样本有长为(class)的可能性向量。
选取class中最大的一位的索引，作为预测标签
使用代码
label= np.argmax(probabilities, axis=-1)
以压缩axis=-1最后一维为准，找出每一个项的最大值的索引。
输出的label的shape=(B,N)。
Example
测试代码：
probabilities = np.random.randn(4,5)
label = np.argmax(probabilities,axis=-1)
结果如下
扫一扫
744
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
