如何获得每个类的概率，而不是一个热编码数组，其中一个值为1，其他值为0？

要获得每个类的概率而不是一个热编码数组，可以使用softmax函数。softmax函数是一种常用的激活函数，它将一个向量的实数值转化为概率分布。

在机器学习和深度学习中，softmax函数通常用于多分类问题，将模型的输出转化为每个类别的概率。它的计算公式如下：

softmax(x_i) = exp(x_i) / sum(exp(x_j)) for j in range(num_classes)

其中，x_i表示输入向量中第i个元素的值，num_classes表示类别的数量。

通过softmax函数，可以将模型的输出转化为一个概率分布，其中每个类别的概率值介于0和1之间，并且所有类别的概率之和为1。这样可以方便地对每个类别进行概率性的判断和比较。

在实际应用中，可以使用各类深度学习框架提供的softmax函数实现，如TensorFlow的tf.nn.softmax()函数、PyTorch的torch.nn.functional.softmax()函数等。

对于如何获得每个类的概率而不是一个热编码数组的问题，可以使用softmax函数对模型的输出进行处理，得到每个类别的概率分布。