TensorFlow 1.4中评估CIFAR-10时如何获取单图各类别概率？

嘿，这个需求很明确——要拿到每张测试图像对应所有类别的概率，而不是只知道有没有命中top1，对吧？核心思路是先把模型输出的logits转换成概率分布，再在评估流程里把这些概率值捞出来。我来给你逐个讲需要修改的地方：

1. 生成各类别概率张量（对应121-129行） #

原来的代码只计算了logits和top_k判断，现在要新增一步把logits转成概率分布：

images, labels = cifar10.inputs(eval_data=eval_data)
# Build a Graph that computes the logits predictions from the
# inference model.
logits = cifar10.inference(images)
# 新增：用softmax把logits转成0-1区间的类别概率（所有类别概率总和为1）
probabilities = tf.nn.softmax(logits, name="class_probabilities")
# 保留top_k_op（可选，如果你还需要原来的top1准确率评估的话）
top_k_op = tf.nn.in_top_k(logits, labels, 1)

tf.nn.softmax会把模型输出的原始logits转换成每个类别的概率值，这样你就能拿到所有类别的具体数值了。

2. 修改eval_once函数（对应62-82行） #

原来的函数只处理top_k_op，现在要扩展它来获取概率和真实标签。先修改函数参数，再在session里批量获取数据：

def eval_once(saver, summary_writer, top_k_op, probabilities, labels, summary_op):
    """Run Eval once.
    Args:
      saver: Saver.
      summary_writer: Summary writer.
      top_k_op: Top K op.
      probabilities: 各类别概率张量
      labels: 真实标签张量
      summary_op: Summary op.
    """
    with tf.Session() as sess:
      ckpt = tf.train.get_checkpoint_state(FLAGS.checkpoint_dir)
      if ckpt and ckpt.model_checkpoint_path:
        # Restores from checkpoint
        saver.restore(sess, ckpt.model_checkpoint_path)
        # Assuming model_checkpoint_path looks something like:
        # /my-favorite-path/cifar10_train/model.ckpt-0,
        # extract global_step from it.
        global_step = ckpt.model_checkpoint_path.split('/')[-1].split('-')[-1]
        
        # 新增：一次性获取概率、真实标签和top_k结果
        batch_probs, batch_labels, batch_top_k = sess.run([probabilities, labels, top_k_op])
        
        # 这里可以按需处理数据：比如打印示例、保存到文件
        for idx in range(len(batch_probs)):
          print(f"测试图像{idx}真实标签: {batch_labels[idx]}")
          print(f"10个类别概率分布: {batch_probs[idx]}")
          print(f"是否命中Top1: {batch_top_k[idx]}\n")
        
      else:
        print('No checkpoint file found')
        return

注意：如果测试集很大，不要一次性获取所有数据（会爆内存），可以通过迭代批次的方式逐步处理。

3. 调整eval_once的调用（对应142行） #

原来的调用只传了top_k_op和summary_op，现在要把新增的probabilities和labels也传进去：

# 替换原来的eval_once调用
eval_once(saver, summary_writer, top_k_op, probabilities, labels, summary_op)

额外小提示 #

• 如果你需要把概率保存到文件，可以用numpy的np.save("test_probs.npy", batch_probs)或者pandas写入CSV，方便后续分析。
• TensorFlow 1.4中tf.nn.softmax默认对最后一维（也就是CIFAR-10的10个类别维度）计算，参数无需额外调整。

内容的提问来源于stack exchange，提问作者Milan