1樓：匿名使用者
softmax是用於單標籤輸出，模型訓練後，呼叫model.predict函式就可以輸出結果為[0.5，0.
4，0.1]（輸出數量為最後一層隱藏層的neuron數）這樣的矩陣，裡面即為你所需的**概率值，值得注意的是，softmax會限制輸出的所有概率相加為1。
如果需要**的是多個標籤而不是單個標籤，則需要使用sigmoid作為輸出啟用函式，那麼輸出就不再強制相加為1，可以得到每個分類的實際**值，此時只需要設定一個致信的threshold則可以得到多個分類**值。
每個啟用函式的詳細解釋看這裡網頁連結
2樓：手機使用者
不知道您有沒有解決，希望可以一起討論，我現在也需要得到每種分類的置信度。
3樓：一顆塞踢得
# test_x 測試資料，三維矩陣形式[samples_num, time_steps, feature_dim]
# batch_size自行設定
predict_y = model.predict(test_x, batch_size = batch_size)
然後檢視predict_y的值即可
4樓：匿名使用者
keras 自身包含 mnist 這個資料集，再分成訓練集和測試集。x 是一張張**，y 是每張**對應的標籤，即它是哪個數字。輸入的 x 變成 60,000*784 的資料，然後除以 255 進行標準化，標準化之後就變成了(0, 1)之間。
對於 y，要用到 keras 改造的 numpy 的一個函式 np_utils.to_categorical，把 y 變成了 one-hot 的形式，即之前 y 是一個數值， 在 0-9 之間，現在是一個大小為10 的向量，其屬於哪個數字，就在那個位置為 1，其他位置都是 0。
計算機到底和數學有什麼關係
5樓：河傳楊穎
數學是基礎學科，有豐富的數學基礎可以對理解程式設計中的邏輯有幫助。
程式設計對不同的人有不同的意義：
對於一般的程式設計師就是**的產出和可執行程式（數學在這裡面並不是特別重要，更重要的是對各種框架的理解、熟練掌握、設計模式等）。
對於演算法工程師來說，數學就很重要了（例如機器學習，密碼學，計算機圖形學等，當然這個對題主來說還太遙遠）。
題主說的函式實際上就是為了實現目的的一種封裝形式，而遞迴只是在函式中呼叫自身（當然需要終止條件）。
擴充套件資料
計算機的三大主要特點
1、運算速度快：計算機內部電路組成，可以高速準確地完成各種算術運算。當今計算機系統的運算速度已達到每秒萬億次，微機也可達每秒億次以上，使大量複雜的科學計算問題得以解決。
例如：衛星軌道的計算、大型水壩的計算、24小時天氣算需要幾年甚至幾十年，而在現代社會裡，用計算機只需幾分鐘就可完成。
2、計算精確度高：科學技術的發展特別是尖端科學技術的發展，需要高度精確的計算。計算機控制的導彈之所以能準確地擊中預定的目標，是與計算機的精確計算分不開的。
一般計算機可以有十幾位甚至幾十位（二進位制）有效數字，計算精度可由千分之幾到百萬分之幾，是任何計算工具所望塵莫及的。
3、邏輯運算能力強：計算機不僅能進行精確計算，還具有邏輯運算功能，能對資訊進行比較和判斷。計算機能把參加運算的資料、程式以及中間結果和最後結果儲存起來，並能根據判斷的結果自動執行下一條指令以供使用者隨時呼叫。
6樓：匿名使用者
電腦科學和數學的關係有點奇怪。二三十年以前，電腦科學基本上還是數學的一個分
支。而現在，電腦科學擁有廣泛的研究領域和眾多的研究人員，在很多方面反過來推動
數學發展，從某種意義上可以說是孩子長得比媽媽還高了。
但不管怎麼樣，這個孩子身上始終流著母親的血液。這血液是the mathematical underpi
nning of computer science(電腦科學的數學基礎)，-- 也就是理論電腦科學。
現代電腦科學和數學的另一個交叉是計算數學/數值分析/科學計算，傳統上不包含在理
論電腦科學以內。所以本文對計算數學全部予以忽略。
最常和理論電腦科學放在一起的一個詞是什麼？答：離散數學。這兩者的關係是如此密
切，以至於它們在不少場合下成為同義詞。
傳統上，數學是以分析為中心的。數學系的同學要學習三四個學期的數學分析，然後是復
變，實變，泛函等等。實變和泛函被很多人認為是現代數學的入門。在物理，化學，工程
上應用的，也以分析為主。
隨著電腦科學的出現，一些以前不太受到重視的數學分支突然重要起來。人們發現，這
些分支處理的數學物件與傳統的分析有明顯的區別：分析研究的物件是連續的，因而微分
，積分成為基本的運算；而這些分支研究的物件是離散的，因而很少有機會進行此類的計
算。人們從而稱這些分支為「離散數學」。「離散數學」的名字越來越響亮，最後導致以
分析為中心的傳統數學分支被相對稱為「連續數學」。
離散數學經過幾十年發展，基本上穩定下來。一般認為，離散數學包含以下學科：
1) 集合論，數理邏輯與元數學。這是整個數學的基礎，也是電腦科學的基礎。
2) 圖論，演算法圖論；組合數學，組合演算法。電腦科學，尤其是理論電腦科學的核心是
演算法，而大量的演算法建立在圖和組合的基礎上。
3) 抽象代數。代數是無所不在的，本來在數學中就非常重要。在電腦科學中，人們驚訝
地發現代數竟然有如此之多的應用。
但是，理論電腦科學僅僅就是在數學的上面加上「離散」的帽子這麼簡單嗎？一直到大
約十幾年前，終於有一位大師告訴我們：不是。d.
e.knuth(他有多偉大，我想不用我廢話了)在stanford開設了一門全新的課程concrete mathematics。 concrete這個詞在這裡有兩層含義：
第一，針對abstract而言。knuth認為，傳統數學研究的物件過於抽象，導致對具體的問題
關心不夠。他抱怨說，在研究中他需要的數學往往並不存在，所以他只能自己去創造一些
數學。為了直接面嚮應用的需要，他要提倡「具體」的數學。在這裡我做一點簡單的解釋。
例如在集合論中，數學家關心的都是最根本的問題--公理系統的各種性質之類。而一些具體集合的性質，各種常見集合，關係，對映都是什麼樣的，數學家覺得並不重要。然而，在電腦科學中應用的，恰恰就是這些具體的東西。
knuth能夠首先看到這一點，不愧為當世計算機第一人。
第二，concrete是continuous(連續)加上discrete(離散)。不管連續數學還是離散數學，
都是有用的數學！
前面主要是從數學角度來看的。從計算機角度來看，理論電腦科學目前主要的研究領域
包括：可計算性理論，演算法設計與複雜性分析，密碼學與資訊保安，分散式計算理論，並
行計算理論，網路理論，生物資訊計算，計算幾何學，程式語言理論等等。這些領域互相
交叉，而且新的課題在不斷提出，所以很難理出一個頭緒來。
下面隨便舉一些例子。
由於應用需求的推動，密碼學現在成為研究的熱點。密碼學建立在數論(尤其是計算數論)
，代數，資訊理論，概率論和隨機過程的基礎上，有時也用到圖論和組合學等。
很多人以為密碼學就是加密解密，而加密就是用一個函式把資料打亂。這就大錯特錯了。
現代密碼學至少包含以下層次的內容：
第一，密碼學的基礎。例如，分解一個大數真的很困難嗎？能否有一般的工具證明協議正
確？第二，密碼學的基本課題。例如，比以前更好的單向函式，簽名協議等。
第三，密碼學的高階問題。例如，零知識證明的長度，祕密分享的方法。
第四，密碼學的新應用。例如，數字現金，叛徒追蹤等。
7樓：匿名使用者
計算機都是用二進位制數字來運算的。
8樓：匿名使用者
數學只要是演算法思想.. 程式設計核心就是演算法思想。
計算機專業與數學課程
9樓：為午夜陽光
計算機專業與數學課程中線性代數，概率論和離散數學有密切的關係，務必學好這些。要知道，凡是能稱之為「科學」的專業，就必須有一定的數學功底，否則難以稱作「科學」。這三門課是本科時期最重要的三門數學課，比高等數學重要。
如果想在電腦科學的道路上走遠點，那這三門可是必修的。
就電腦科學與技術專業而言，以下這些是必修的：
1、計算機組成原理（包括先修課程「數字邏輯與數字系統」，簡稱「數電」）：這是一門硬體基礎課，學完後你能清楚的知道如何從用最簡單的數字元件，像搭積木一樣構成整個計算機系統，那就算及格了。
2、線性代數，概率論和離散數學：要知道，凡是能稱之為「科學」的專業，就必須有一定的數學功底，否則難以稱作「科學」。這三門課是本科時期最重要的三門數學課，比高等數學重要。
如果想在電腦科學的道路上走遠點，那這三門可是必修的。
3、mit開設的《introduction to algorithm》，中文版叫《演算法導論》：應該學習它而不是國內習慣開設的《資料結構》。資料結構僅僅是演算法的一部分，國內的資料結構課程迴避了很多本質的東西，僅僅是對一些常見的資料結構的羅列，學起來總有些不痛不癢的感覺。
《introduction to algorithm》雖然有些章節夾雜著很多很讓人討厭的「數學」，但卻能從本質上帶你領略這門十分必要而且有趣兒的課。
4、作業系統與編譯原理：作業系統可以說是《演算法導論》的實驗課，最好能在學習期間自己實現一個小型的作業系統，或者作業系統各分系統的demo。編譯原理可能是普遍本科生覺得難的一門課，但是作為軟體科學家，這是基礎中的基礎，學完之後所有的語言在你看來應該沒有太大的區別，這麼課應該是離散數學+演算法導論的實驗課。
最好能在學習期間自己實現一個小型的編譯器，語言最好是自創。
5、掌握一門常用的程式語言和程式設計技術：能瞭解用過的所有的程式內部大致是怎樣的，能用自己熟悉的語言編寫大部分的程式，至少不能是對任何一個程式滿頭霧水。
10樓：匿名使用者
必學的是:離散
數學,高等數學,概率論與數理統計,線性代數這些都是學計算機必學的課.
組合數學與數論,是有關密碼的.
數值分析,是有關建數學模型的.(有點型別計算機的演算法)集合論與圖論,其實跟離散數學差不多.
......
這些學了也會有點幫助.
keras怎麼讀取每層網路的輸出
優點 支援python，模型庫全，搭模型快，關注度極高，迭代快，可用gpu加速。缺點 內部許多類的抽象不合理。檢視中間層輸出不夠直接。模型需要compile這些優缺點很大程度上都是因為現行版本將theano深度耦合，其作者和一些 貢獻者也意識到了這個問題，於是計劃下一步將theano解藕出來放到單獨...
如何讓SVM輸出概率，請問SVM如何輸出概率值
使用libsvm工具箱的話，在函式svmtrain和svmpredict的輸入引數部分加入 b 1 函式svmpredict的輸出引數增加至3個即可 例如 prob estimates svmpredict label test,feature test,svmstruct,b 1 其中prob e...
電晶體輸出與繼電器輸出各自的優點如何
電晶體輸出與繼電器輸出無可比性，關鍵取決於你控制的物件。你能用電晶體直接去控制交流接觸器線圈嗎？你能用繼電器觸點去做pwm嗎？是可以使用混合方式。一個繼電器雙路8點模組300元。所以可以根據io量選擇不必用一個多點的主機。電晶體直流交流都可以控制,但具體的固態繼電器型號要選擇好,另電晶體與繼電器最大...