知识卡片
Softmax多分类
Softmax 把各类别得分 zᵢ 转为 pᵢ=eᶻⁱ/Σⱼeᶻʲ;概率非负且总和为 1。它保留得分的排序,但某个输出是否接近 1 取决于它与其他得分的差距,不取决于绝对大小。多分类线性模型可写作 softmax(Wx+b)。书中代码直接原地截断输入,这会改变节点值与得分差,和标准 Softmax 不完全等价。
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
- 逻辑回归 4.4 多分类逻辑回归 · 查看原书依据
SoftMax函数的原理就是将输入向量的分量都压到0和1之间
参考来源
- 位置:《用Python实现深度学习框架》第4章《逻辑回归》,4.4 多分类逻辑回归(来源项目 book-source:`extracted/用Python实现深度学习框架/_epub-src/text/part0000_split_038.html`)
- 结论依据:原文给出 Softmax、独热标签和交叉熵定义及梯度推导;代码边界依据同节前向与反向实现核对。
- 原始内容:SoftMax函数的原理就是将输入向量的分量都压到0和1之间。