如何将TensorFlow model.predict()结果缩放至总和为100%

当前你的模型输出是logits（原始未激活的预测值），这类值可能为负且总和不为1，需要通过Softmax函数转换为总和为1的概率分布，再处理成你需要的比例形式。

修改后的预测函数如下：

import numpy as np

img = "./img/hat.jpg"
def predict(img):
    img = preprocess_image(img)
    pred = model.predict(img)
    pred = np.squeeze(pred).astype(float)
    
    # 将logits转换为总和为1的概率
    pred_probs = np.exp(pred) / np.sum(np.exp(pred))  # 手动实现Softmax，兼容所有numpy版本
    # 若你的numpy版本≥1.20.0，也可以直接用：pred_probs = np.softmax(pred)
    
    # 保留4位小数（可根据需求调整），生成类别-概率字典
    pred_result = {cls: round(prob, 4) for cls, prob in zip(class_names, pred_probs)}
    
    print(pred_result)
    return pred_result

关键说明 #

• Softmax函数的作用：将任意实数的logits转换为0到1之间的概率值，且所有类别的概率总和严格为1（即100%）。
• 手动实现Softmax的公式是np.exp(pred) / np.sum(np.exp(pred))，原理是对每个logits取指数（消除负数），再除以所有指数的和（归一化到总和为1）。
• 若需要百分比形式，只需将prob乘以100，比如round(prob * 100, 2)，得到的结果就是百分比数值（总和为100）。

内容的提问来源于stack exchange，提问作者pirekare