NNCの画像分類の推論の結果の数値が変です

Question

https://arkouji.cocolog-nifty.com/blog/2019/02/sony-neural-net.html
こちらのブログを参考にして、NNC×pythonで画像分類の推論プログラムをかいて実行しました。
本来なら、ブログのように　［0 　0 0.4 1 0.8 ・・・　］　のように表示されるはずなのですが、負の値が表示されます。
考えられる原因は何でしょうか。
学習のやり方ですか？

#学習画像
A～Zの画像名２６ラベル　
カラー画像　250×250の大きさ
train.csv = 2243枚 Num Column = 2　
shuffle=Yes, Cache = Yes ,Normalize = No

Validation.csv　561枚　Num Column = 2
shuffle=No ,Cache = Yes , Normalize = No

バッチサイズ20
学習反復世代数50
演算精度　Float
Alpha 0.001

ネットワーク構造は右のブログを参考　http://cedro3.com/ai/mini-alexnet/

#実行後　（学習に使ったLの画像を推論）
runfile('C:/Users/username/Desktop/output/syuwa.py', wdir='C:/Users/nogamitakuma/Desktop/output')
2021-01-18 17:27:39,614 [nnabla][INFO]: Parameter load (<built-in function format>): C:\Users\username\Desktop\output\yubidata.files\20210118_165022\results.nnp
[[ -7.646432 -16.922857 -19.45604 -8.552811 -2.2935107 -7.171723
3.6680415 -2.341182 -3.46057 -7.853706 -3.020269 14.173305
-9.716268 -9.6661005 -3.5073535 -4.0334044 -5.2449417 -5.0965605
-17.95626 -10.754642 -5.992459 -10.212325 -2.844038 -0.4497387
6.316589 1.8648801]]

# -*- coding: utf-8 -*-
import nnabla as nn
import nnabla.functions as F
import nnabla.parametric_functions as PF
import cv2


def network(x, test=False):
    # Input:x -> 3,250,250
    # Convolution -> 16,250,250
    h = PF.convolution(x, 16, (3,3), (1,1), name='Convolution')
    # ReLU
    h = F.relu(h, True)
    # BatchNormalization
    h = PF.batch_normalization(h, (1,), 0.9, 0.0001, not test, name='BatchNormalization')
    # MaxPooling -> 16,125,125
    h = F.max_pooling(h, (2,2), (2,2))
    # Convolution_2
    h = PF.convolution(h, 16, (3,3), (1,1), name='Convolution_2')
    # ReLU_2
    h = F.relu(h, True)
    # BatchNormalization_2
    h = PF.batch_normalization(h, (1,), 0.9, 0.0001, not test, name='BatchNormalization_2')
    # MaxPooling_2 -> 16,62,62
    h = F.max_pooling(h, (2,2), (2,2))
    # Convolution_3
    h = PF.convolution(h, 16, (3,3), (1,1), name='Convolution_3')
    # ReLU_3
    h = F.relu(h, True)
    # Convolution_4
    h = PF.convolution(h, 16, (3,3), (1,1), name='Convolution_4')
    # ReLU_4
    h = F.relu(h, True)
    # Convolution_5
    h = PF.convolution(h, 16, (3,3), (1,1), name='Convolution_5')
    # ReLU_5
    h = F.relu(h, True)
    # MaxPooling_3 -> 16,31,31
    h = F.max_pooling(h, (2,2), (2,2))
    # Affine -> 100
    h = PF.affine(h, (100,), name='Affine')
    # ReLU_6
    h = F.relu(h, True)
    # Affine_2
    h = PF.affine(h, (100,), name='Affine_2')
    # ReLU_7
    h = F.relu(h, True)
    # Dropout
    if not test:
        h = F.dropout(h)
    # Affine_3 -> 26
    h = PF.affine(h, (26,), name='Affine_3')
    # SoftmaxCrossEntropy -> 1
    #h = F.softmax_cross_entropy(h, y)
    return h



 # load parameters

nn.load_parameters('C:\Users\username\Desktop\output\yubidata.files\20210118_165022\results.nnp')
# Prepare input variable
x=nn.Variable((1,3,250,250))

IMAGE_SIZE = 250
im = cv2.imread('C:\Users\username\Desktop\out\L\L_1.png') #推論する写真「L」
im = cv2.resize(im, (IMAGE_SIZE,IMAGE_SIZE)).transpose(2,0,1)
x = nn.Variable((1, ) + im.shape)
x.d = im.reshape(x.shape)

# Build network for inference
y = network(x,test=True)

# Execute inference
y.forward()
print(y.d)

Comments

[jbpb0]

softmaxを入れなければ、負にもなりますよ
http://hiro2o2.hatenablog.jp/entry/2016/07/21/013805

Answer 1

負の値が表示されます。

考えられる原因は何でしょうか。

softmaxを入れてないから
Softmaxって何をしてるの？

Comments

[jbpb0]

def network(x, test=False):
の一番最後の
return h
のすぐ上に
h = F.softmax(h)
を追加したらいいのでは？？

[max12345]

ありがとうございます。h = F.softmax(h)をプログラムに追加すると　
[[2.88368818e-09 3.90868097e-14 1.41201697e-14 6.04061072e-13
3.33161410e-08 1.34033884e-09 1.78465975e-11 9.17362296e-14
1.11434029e-09 3.09066706e-09 7.83356800e-12 6.52297277e-15
4.17884593e-07 1.02343316e-08 1.66855918e-09 2.91020177e-11
1.80908619e-14 1.21412205e-08 9.99975443e-01 2.40253303e-05
3.27327943e-09 6.86726787e-10 1.59349839e-10 9.62386837e-11
6.69186725e-14 7.74098341e-10]]
正になりましたが、この様な感じでeがついてしまったので、ネットワーク層を調整して、もう一度学習をしてみます。

[jbpb0]

9.99975443e-01
は、99.9975443% という意味ですよ
順番が19番目なので「S」

[jbpb0]

eを付けない方法は、
https://mj-vitag.com/contents/?p=455
を見てください

[max12345]

おお、安心しました