我有一个用于多标签分类问题的CNN，并使用tf.nn.sigmoid_cross_entropy_with_logits作为损失函数。

根据交叉熵方程，我期望输出的是每个类别的概率，但实际上我得到的是在(-∞, ∞)范围内的浮点数。

经过一些搜索后，我发现由于内部的归一化操作，每行logits在输入方程之前都可以解释为概率。

我对如何实际输出后验概率而不是浮点数以绘制ROC曲线感到困惑。

回答：

tf.sigmoid(logits)可以为你提供概率值。

在tf.nn.sigmoid_cross_entropy_with_logits的文档中可以看到，tf.sigmoid是将logits归一化为概率的函数。