在分类任务中，logits 是模型输出的原始分数，通常是在通过模型的最后一个全连接层之后但在激活函数（如 softmax）之前获得的。它们代表每个类别的未归一化得分或信心度。理解 logits 的过程可以分为以下几个步骤：
-
模型的最后一层输出 ：在神经网络模型的最后一层（通常是全连接层），每个类别都会有一个对应的输出值。这些输出值就是
logits。 -
未归一化的分数 ：
logits并不是概率，它们只是表示每个类别的相对分数，可以是正的也可以是负的 。值越大，模型对该类别的信心越高。 -
应用 softmax 函数 ：为了将这些
logits转换为可以解释为概率的值，通常会应用 softmax 函数。softmax 将logits转换为 0, 1 范围内的值，并且所有类别的概率之和为 1。公式如下： softmax ( z i ) = e z i ∑ j e z j \text{softmax}(z_i) = \frac{e^{z_i}}{\sum_{j} e^{z_j}} softmax(zi)=∑jezjezi其中 z i z_i zi 是第 i i i 类的logits值。 -
类别预测：通过 softmax 函数得到的概率值，可以用于预测输入属于每个类别的概率。选择概率最高的类别作为最终预测结果。
总结来说，logits 是模型输出的未经过归一化的分数，反映了模型对每个类别的信心度。在实际使用中，通过 softmax 函数将 logits 转换为概率，以便进行类别的预测和评估。
是的，在语义分割任务中，argmax 通常在类别通道维度上应用。具体来说，每个像素点在模型的输出中都有一个概率向量，该向量的长度等于类别数。通过在类别通道维度上应用 argmax 操作，可以找到概率最大的类别，并将该类别的索引作为该像素点的最终预测结果。
以下是这个过程的详细说明：
-
模型输出 ：模型输出的张量通常是形状为 ( H , W , C ) (H, W, C) (H,W,C) 的三维张量，其中 H H H 是图像的高度， W W W 是图像的宽度， C C C 是类别数。对于每个像素点 ( i , j ) (i, j) (i,j)，它在输出张量中的位置为 ( i , j , : ) (i, j, :) (i,j,:)，表示该像素点的类别概率向量。
-
应用 softmax ：首先，在类别通道维度（即第3维度）上应用 softmax 函数，将
logits转换为概率分布。这个过程生成的张量仍然是形状为 ( H , W , C ) (H, W, C) (H,W,C) 的三维张量，但每个像素点的类别向量现在是概率分布。 -
应用 argmax ：接下来，在类别通道维度上应用 argmax 操作。argmax 会选择每个像素点的概率向量中最大的元素的索引，表示该像素点的预测类别。这一步的输出是一个形状为 ( H , W ) (H, W) (H,W) 的二维张量，其中每个元素表示对应像素点的预测类别。
总结来说，argmax 在类别通道维度上应用，以便为每个像素点找到概率最大的类别，从而生成最终的语义分割图。这是实现语义分割的关键步骤，因为它将每个像素点的类别概率分布转换为具体的类别标签。