在衡量CNN的准确性时，我明白应该使用softmax层的输出（预测标签）与目标标签进行比较。但即使我将logits（据我理解，是最后一个全连接层的输出）与目标标签进行比较，我也得到了几乎相同的准确性。以下是我代码的相关部分：

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

其中y_pred是最终的普通全连接层的输出，没有使用任何激活函数（仅矩阵乘法和偏置加法w*x+b）

y_pred = normal_full_layer(second_hidden_layer,6)

6是因为我有6个类别。

这是使用y_pred计算的准确性图表：

准确率约为96%

现在，如果我对y_pred应用softmax激活函数来计算准确性，称之为pred_softmax，我得到的准确性几乎相同

pred_softmax = tf.nn.softmax(y_pred).

准确率图表使用softmax：

回答：

实际上，准确性应该是完全相同的。对logits数组取argmax应该与对该数组的softmax取argmax得到相同的结果。这是因为softmax函数以严格递增的方式将较大的logits映射到更接近1的值。

softmax函数接受一组输出（一个数组）y并将其映射到exp(y)/sum(exp(y))，y[i]越大，softmax(y[i])的值就越大，因此必须有argmax(y[i])==argmax(softmax(y[i]))