我的任務是按像素對圖像進行分類...因此圖像的每個像素都有一個類，並且CNN應該能夠讀出標籤圖像，使得每個像素都具有該類的離散值（0-19 ）。如何在softmax圖層讀取Tensorflow CNN爲整數？
我有一個美國有線電視新聞網，似乎做得很好，再現相對價值，所以它近似的標籤圖像的範圍爲0.00001和0.00002 ...但是，我很難得到交叉熵工作不僅僅是「好樣的」，因爲它是依靠圖像標籤矩陣與離散值：
[[0, 1, 1, 1],[1,1,3,3],.etc] # A 2x4 pixel example
另外，我不認爲我可以靠onehot載體，因爲我會在看一個19 * 227 * 227的矩陣......但也許我會嘗試，如果這裏沒有解決方案。
無論如何，我該如何對softmax中的返回值做整數裝箱？我必須爲圖像中的每個像素執行1hot矢量，還是可以通過其他方式將softmax分佈更改爲整數類？
我意識到這個答案有點晚，但希望它會有所幫助。你不必創建一個熱門的向量;你可以使用tf.nn.sparse_softmax_cross_entropy_with_logits。
labels: Each entry labels[i] must be an index in [0, num_classes) or -1. If -1, the corresponding loss will be 0, regardless of the contents of logits[i].
見下文，下面提供的文件的鏈接和鏈接爲一個例子它在一個教程CIFAR-10網絡中使用。 https://www.tensorflow.org/versions/r0.8/api_docs/python/nn.html#sparse_softmax_cross_entropy_with_logits https://github.com/tensorflow/tensorflow/blob/master/tensorflow/models/image/cifar10/cifar10.py
希望這有助於！