CNN中用Logits或Softmax层计算准确率为何结果近乎一致？

这事儿我之前也疑惑过！评估CNN的准确率时，我本来觉得肯定得用Softmax层输出的预测标签和目标标签比对，但实际用Logits（最后一层全连接层的原始输出，就只是矩阵乘法加偏置的w*x+b结果）来计算的话，准确率居然几乎完全相同。

先看核心的准确率计算代码：

matches = tf.equal(tf.argmax(y_pred,1),tf.argmax(y,1)) 
acc = tf.reduce_mean(tf.cast(matches,tf.float32))

这里的y_pred是没有加激活函数的最终全连接层输出，代码如下：

y_pred = normal_full_layer(second_hidden_layer,6)

数字6代表我们要做6个类别的分类任务。

用y_pred（也就是Logits）计算出来的准确率大概在96%左右，对应的准确率图表：

之后我给y_pred加上Softmax激活得到pred_softmax，代码是这样的：

pred_softmax = tf.nn.softmax(y_pred)

再用它来计算准确率，结果和之前几乎一模一样，对应的准确率图表：

内容的提问来源于stack exchange，提问作者Salman Shaukat