机器学习：计算二进制标签的准确性分数是否总是导致准确性分数较低？
Machine Learning: Does computing the accuracy score for binary labels always result in a low accuracy score?
如果我有 2 个标签（1 和 0），并且在我通过 softmax 激活层传递我的 logits 之后，我得到类似：
[[0.1, 0.9],
[0.3, 0.7],
[0.333, 0.667]]
作为预测输出，我的标签只有 1 或 0，这是否总是导致准确率低？意思是说，如果我有更多 类，我的 softmax 层是否会为每个 类 提供接近 1 或 0 的值，这会给我更高的准确度分数？
此外，如果我想使用准确性作为我的指标，有没有办法将我的概率调整为 0 或 1？这可以通过在 TensorFlow 中应用一个掩码来完成，只要概率达到 0.5 或更高，它就会输出布尔值吗？
在 softmax 层之后你的概率在 0..1 范围内，
所以如果你想检查你的标签是否只有 0 或 1 的准确性，你必须转换概率
如果 pred>0.5 则 pred=1
如果 pred<=0.5 则 pred=0
如果我有 2 个标签（1 和 0），并且在我通过 softmax 激活层传递我的 logits 之后，我得到类似：
[[0.1, 0.9],
[0.3, 0.7],
[0.333, 0.667]]
作为预测输出，我的标签只有 1 或 0，这是否总是导致准确率低？意思是说，如果我有更多 类，我的 softmax 层是否会为每个 类 提供接近 1 或 0 的值，这会给我更高的准确度分数？
此外，如果我想使用准确性作为我的指标，有没有办法将我的概率调整为 0 或 1？这可以通过在 TensorFlow 中应用一个掩码来完成，只要概率达到 0.5 或更高，它就会输出布尔值吗？
在 softmax 层之后你的概率在 0..1 范围内， 所以如果你想检查你的标签是否只有 0 或 1 的准确性，你必须转换概率
如果 pred>0.5 则 pred=1 如果 pred<=0.5 则 pred=0