知识卡片
Softmax归一化分数
Softmax 将一组类别分数分别取指数,再除以所有指数之和,得到各项大于零且总和为 1 的分布。例如书中分数 3、1、−3 大约得到 0.88、0.12、0.002。输出是模型的类别概率形式,不自动保证与实际频率校准一致。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 深度学习基础 3.6.2 带有 softmax 函数的分类 · 查看原书依据
如式(3.28) 所示,先对所有的 取一个指数(负数取指数后会变成正数),再对它们进行归一化(除以所有的指数值的和),得到.图3.33 给出了一个softmax函数的示例,输入、和,产生、和.假设,,,取完指数,,,,做完归一化后,它们将分别变成0.88、0.12和0. 取完指数,再做完归一化以后,会变成一个趋近于0的值.所以softmax 函数除了归一化,让 、和分别变成0~1的值且和为1以外,还会让大值和小值的差距变得更大,即有
参考来源
- 位置:《深度学习详解》第3章《深度学习基础》3.6.2 带有 softmax 函数的分类(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter03.xhtml`)
- 结论依据:原文比较类别编码、softmax 与分类损失;对应公式和示例图已核验。
- 原始内容:如式(3.28) 所示,先对所有的 取一个指数(负数取指数后会变成正数),再对它们进行归一化(除以所有的指数值的和),得到.图3.33 给出了一个softmax函数的示例,输入、和,产生、和.假设,,,取完指数,,,,做完归一化后,它们将分别变成0.88、0.12和0. 取完指数,再做完归一化以后,会变成一个趋近于0的值.所以softmax 函数除了归一化,让 、和分别变成0~1的值且和为1以外,还会让大值和小值的差距变得更大,即有