你好，我理解的是您已经训练出来了一个输出每个label的概率值的网络，那在网络后面加一个argmax之类的操作取出来概率最高的类别，不就是预测出概率最高的值了吗？

你好，argmax这个我有在脚本中写入，其返回值是fetch_map的最大概率的索引。我打个比方，比如训练数据是某地的空气质量（里面有很多不同的参数），经过深度学习后，模型能否根据当前feed的实时数据（比如此时此刻的一组空气质量数据），返回一组最优的空气质量参数值。

您好 我还是不太明白.. 您是想输入一组代表空气质量的数据，输出一个类似给这组空气质量得分的一个意思吗？

有点区别。想通过输入一组代表空气质量的数据，输出也是一组空气质量数据（这个输出的数据要为概率最高的一组数据），这个能实现吗，如果能，需要通过哪种神经网络结构去做（目前用的神经网诺结构返回的是最大概率标签）。

拿到的最大概率和输入空气质量指数之间应该有个Map关系的，直接根据Map取出来不可以吗？

你好，您建议的这个操作怎么实现，是有现成的接口还是需要单独写脚本？

需要自己写一下，感觉python的dict就可以做到了..

你好，有没有相关的参考文档。

你好，没有参考文档，如果使用python dict的话，可以搜下python的dict使用，根据需要构建您需要的字典~

你好，python的dict我知道，但是就这个具体的问题而言应该怎么操作，这个是我关注的。没有文档的话，有没有类似的案例可供参考呢，单靠个人去摸索这效率太低了呀！

大概类似这样：

a=dict()
output = model(input)
a[input] = output
max_input = max(a, key=a.get)

好的，谢谢，我试一下。