Softmax vs. SoftmaxWithLoss 推导过程

最新推荐文章于 2024-03-18 16:08:35 发布

小胖蹄儿

最新推荐文章于 2024-03-18 16:08:35 发布

阅读量1.4k

点赞数 1

分类专栏： Deep Learning

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/Cheese_pop/article/details/51152202

版权

Softmax vs. SoftmaxWithLossSoftmax function:Softmax Loss function(cross-entropy):SoftmaxWithLoss的推导一些理解可供学习的资料：Softmax vs. SoftmaxWithLossSoftmax function:pj=ezj∑kezkpj=ezj∑kezkp_...

摘要由CSDN通过智能技术生成

Softmax vs. SoftmaxWithLoss
- Softmax function:
- Softmax Loss function(cross-entropy):
SoftmaxWithLoss的推导
一些理解
可供学习的资料：

Softmax vs. SoftmaxWithLoss

Softmax function:

p j = e z j \sum k e z k

$p_j = \frac{e^{z_j}}{\sum_k e^{z_k}}$
其中，

zj=ωTjx+bj z j = ω j T x + b j $z_j=\omega_j^Tx+b_j$ 是一个向量，表示第

j j $j$ 个样本的线性预测。

Softmax Loss function(cross-entropy):

L = - \sum_{j} y_{j} \log p_{j}

$L = -\sum_j y_j \log p_j$

SoftmaxWithLoss的推导

首先求 $p_j$ 对 $z_i$ 的导数：
当 $i = j$ 时：

$\partial p j \partial z i = \partial \partial z i (e z j \sum k$

最低0.47元/天解锁文章

关注

1
点赞
踩
3

收藏

觉得还不错? 一键收藏
1
评论
Softmax vs. SoftmaxWithLoss 推导过程

Softmax vs. SoftmaxWithLossSoftmax function:Softmax Loss function(cross-entropy):SoftmaxWithLoss的推导一些理解可供学习的资料：Softmax vs. SoftmaxWithLossSoftmax function:pj=ezj∑kezkpj=ezj∑kezkp_...
复制链接

扫一扫

专栏目录

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。