知识卡片
分类损失的输出梯度
单标签分类使用 Softmax 与交叉熵组合时,对输入得分的梯度可写成预测概率减去 one-hot 标签;小批量取平均时还须按批量大小缩放。本书把 Softmax 和交叉熵组合为一个损失层;这个差值将预测与目标的偏差传给前面的层。
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
- 神经网络的复习 · 查看原书依据
是 Softmax 层的输出和监督标签的差分。神经网络的反向传播将这个差分(误差)传给前面的层。
参考来源
- 位置:《深度学习进阶:自然语言处理》第1章《神经网络的复习》(来源项目 book-source:extracted/深度学习进阶:自然语言处理/_epub-src/text/part0006_split_003.html)
- 结论依据:原文给出该机制或实验条件;边界与示例按正文说明整理。
- 原始内容:是 Softmax 层的输出和监督标签的差分。神经网络的反向传播将这个差分(误差)传给前面的层。