Wie kann ich das Vertrauensniveau in einem CNN mit Tensorflow implementieren?

Question

Mein CNN gibt ein Array von Werten aus, die ich auf den größten Wert prüfen und als vorausgesagte Klasse nehmen muss. Beispiel:

-148.7290802 , -133.90687561, -90.850914 , -135.78356934, 
    -128.6325531 , -125.76812744, -85.41909027, -72.3269577 , 
    -103.51300812 

Für Klassenindex 6.

Nun, wie kann ich das Vertrauen dieses Ergebnis?

Mein Setup ist:

predict_op = [tf.argmax(py_x,1), py_x] 
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(py_x, Y)) 
train_op = tf.train.RMSPropOptimizer(learningRate, decayRate).minimize(cost) 

Aktualisiert Code jetzt zurückkehren: [[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. 0.]]

predict_op = tf.nn.softmax(py_x) 
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(py_x, Y)) 
train_op = tf.train.RMSPropOptimizer(learningRate, decayRate).minimize(cost) 

Answer 1

softmax in der letzten Stufe bewerben; Dies wird zu späteren Wahrscheinlichkeiten im Endstadium führen. Du benutzt bereits softmax im Setup; Verwenden Sie es einfach auf dem letzten Vektor, um es in RMS-Wahrscheinlichkeiten zu konvertieren. Das Vertrauen dieser Vorhersage ist einfach die Wahrscheinlichkeit des obersten Elements.

Für eine schnelle Illustration, siehe Wikipedia page unter Generalisierung und Statistik. Dieser Abschnitt beschreibt auch die Zuverlässigkeit des Modells insgesamt.