用Numpy写一个Softmax

最新推荐文章于 2024-05-14 15:06:46 发布
最新推荐文章于 2024-05-14 15:06:46 发布
阅读量4.2k 收藏 3
点赞数 1
分类专栏： numpy python 机器学习 文章标签： softmax
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/Douhh_sisy/article/details/80557138
版权

softmax

  • 计算exponential
  • 按行求和
  • 每一行都要除以计算的和
m = np.random.rand(10,10) * 10 + 1000
print(m)
[[ 1008.64304012  1001.25079229  1006.81896868  1005.89015258  1008.8915297
   1001.84923866  1005.53509734  1005.34075305  1008.93404709
   1006.94897664]
 [ 1003.24267825  1003.72710741  1000.28354398  1000.32012105  1004.3690361
   1007.18390602  1002.49741606  1005.83510332  1009.19678396
   1002.32098566]
 [ 1002.32824002  1006.2813999   1009.27645662  1002.57259159
   1006.30743627  1000.35201323  1003.94430099  1008.79056869
   1007.40485841  1006.38239542]
 [ 1007.06228714  1006.01325352  1007.96901864  1002.34269542
   1000.75563221  1005.26357317  1006.14861174  1005.68119044
   1000.69006453  1007.21834125]
 [ 1004.15770428  1003.0554848   1005.55619032  1003.04000025
   1005.54338468  1002.23952638  1008.86317857  1006.96983789
   1005.84232318  1009.28833837]
 [ 1008.47151667  1006.30354927  1006.69274016  1004.12418543
   1007.17550972  1004.31758292  1007.27760499  1007.45250445
   1000.02943239  1002.25886446]
 [ 1000.63764781  1003.39894276  1008.26298759  1001.89295012
   1007.85388369  1004.67565255  1004.58872708  1003.24488815
   1000.39528914  1007.20964465]
 [ 1005.21815308  1007.42651355  1006.32407717  1003.0096329   1005.03545902
   1008.85925437  1009.57634418  1003.74546024  1003.40512867  1004.4437606 ]
 [ 1001.78786625  1008.73282377  1003.98906267  1008.17533941
最低0.47元/天 解锁文章
Douhh_sisy
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
kaggle上电影评论分类比赛的数据，numpy实现logistics+softmax分类。.zip
09-30
在本项目中，我们关注的是一个基于`kaggle`平台的电影评论分类竞赛，其中数据处理和模型构建是用`numpy`库实现的。这个竞赛的目标是通过分析用户对电影的评论，来预测评论的情感倾向，即正面或负面。在机器学习领域...
numpy实现的soft-max方法
qibinyi2的博客
12-28 7031
numpy实现的soft-max方法soft-max soft-max soft-max 是人工智能领域被大范围的使用的一个方法。 借助numpy的向量运算，可以很容易的实现: import numpy as np def softmax( f ): # 坏的实现: 数值问题 return np.exp(f) / np.sum(np.exp(f)) 但是，上面的实现存在问题。...
softmax交叉熵的两种形式 + numpy 实现
ytusdc的博客
08-19 3377
- 卷积底层的实现方式(如caffe里面的img2col) - 卷积、Max Pooling和 Average Pooling 代码实现 - 手撕 IoU, NMS, 及其变体 SoftNMS代码, - Soft nms 解决了什么问题。soft nms的具体过程
python 对矩阵与矩阵之间对应位置的元素，做softmax操作，代码实战
L_goodboy的博客
05-14 213
python 对矩阵与矩阵之间对应位置的元素，做softmax操作，代码实战
numpy 实现 softmax
颹蕭蕭
03-21 3423
def col_softmax(x): x = np.asarray(x) x_col_max = x.max(axis=0) x_col_max = x_col_max.reshape([1,x.shape[1]]) x = x - x_col_max # 防止数值上溢 x_exp = np.exp(x) x_exp_col_sum = x_ex...
【pytorch】使用numpy实现pytorch的softmax函数与cross_entropy函数
安安爸Chris的专栏
06-03 3686
公式 Softmax(xi)=exp⁡(xi)∑jexp⁡(xj) {Softmax}(x_{i}) = \frac{\exp(x_i)}{\sum_j \exp(x_j)} Softmax(xi​)=∑j​exp(xj​)exp(xi​)​ 结果一致 从源码上来看，torch.nn.functional.F.softmax实际上调用的是Tensor自身的softmax函数 公式 Log_softmax(xi)=lnexp⁡(xi)∑jexp⁡(xj) {Log\_softmax}(x_{i}) = ln
numpy完成手写字体识别
最新发布
06-23
例如，我们可以使用`numpy`的`mean()`或`std()`函数对图像进行归一化，确保所有像素值落在一个特定的范围内。 接下来，构建神经网络模型。在`numpy`中，虽然不像TensorFlow或PyTorch那样有现成的框架支持，但我们...
竞赛资料源码-kaggle上电影评论分类比赛的数据，numpy实现logistics+softmax分类。.zip
01-24
教育部认可的大学生竞赛备赛资料代码，源码，竞赛总结，所有源码均经过严格测试，可以直接运行，可以放心下载使用。有任何使用问题欢迎随时与博主沟通 全国电子设计大赛、全国大学生智能汽车竞赛、蓝桥杯、集成电路...
基于NumPy创建一个可以工作的神经网络.pdf
11-24
基于 NumPy 创建一个可以工作的神经网络 本文将详细阐述如何基于 NumPy 创建一个可以工作的神经网络，包括神经网络的架构设计、权重矩阵和偏置向量的初始化、网络层的描述、激活函数的选择等知识点。 神经网络架构...
python 之softmx 函数
牛牛博士博客
11-05 1090
python 之softmx 函数
numpy手写softmax回归
柴犬犬舍
04-01 1453
softmax诞生原因 线性回归主要用于连续值预测，即回归问题，比如判定一个东西是鸡的概率是多少 而当模型需要预测多个离散值时，即分类问题，比如判定一个东西是鸡还是鹅还是鸭 此时就需要多个输出单元，并且修改运算方式从而方便预测和训练，这也就是softmax层诞生的原因 这里使用的是minist手写数字识别数据集 1.首先通过Pytorch读取数据集 def load_data(): tra...
Numpy手撸softmax regression
pylittlebrat的博客
11-09 1173
Softmax 回归（或多项逻辑回归）是将逻辑回归推广到我们想要处理多个类的情况。 在逻辑回归中，我们假设标签是二元的：y(i)∈{0,1}y^{(i)} \in \{0,1\}y(i)∈{0,1},我们使用这样的分类器来区分两种手写数字。 Softmax 回归允许我们处理y(i)∈{0,1,...,C}y^{(i)} \in \{0,1,...,C\}y(i)∈{0,1,...,C}其中CCC是类的数量。
Python:实现Softmax 函数的实现算法(附完整源码)
希望我的博客，能帮上你解决学习中工作中所遇到的问题
08-02 555
Python:实现Softmax 函数的实现算法(附完整源码)
python- Softmax函数详解与代码案例
jiang_changsheng的博客
02-02 1832
Softmax函数的关键特点是它可以将原始的实数向量转换为概率向量，其中每个元素表示对应类别的概率。Softmax函数的关键特点是它可以将原始的实数向量转换为概率向量，其中每个元素表示对应类别的概率。我们想要计算每个类别的概率。通过Softmax函数，我们将原始的实数向量转换为了概率向量，使得我们可以对各个类别进行概率计算和分类。这意味着类别1的概率为0.665，类别2的概率为0.244，类别3的概率为0.090。这意味着类别1的概率为0.665，类别2的概率为0.245，类别3的概率为0.090。
np实现softmax
学习NLP的小白
06-05 2056
import numpy as np def softmax(x): x_row_max = x.max(axis=-1) x_row_max = x_row_max.reshape(list(x.shape)[:-1] + [1]) x = x - x_row_max x_exp = np.exp(x) x_exp_row_sum = x_exp.sum(axis=-1).reshape(list(x.shape)[:-1] + [1]) softma.
运用numpy求解softmax函数
alv39449的博客
05-15 981
#作业 softmax 函数 arr=np.random.randn(10,10)*100 print(arr) arr1=arr-arr.max() arr1 arr1_exp=np.exp(arr1) print(arr1_exp) arr1_exp_sum=arr1_exp.sum(axis=1).reshape(10,1) print(arr1_e...
softmax函数
xiaocainiao521521的博客
08-09 1052
对于softmax函数，我把它单独拿出来使用时意外出现了许多bug，主要由于我对于向量与数组的区别没有搞清楚，所以把在网上找到的几种编程代码都测试一下，对比看看。 对于一维的向量很简单，可以直接使用如下编程代码： def softmax(x): e_x = np.exp(x - np.max(x)) return e_x / e_x.sum(axis=0) 考虑到二维数组的情况，softmax函数的编写有以下三种：（前两种编程代码参考链接https://www.cnblogs.co.
深度学习pytorch--softmax回归(二)
Nagato_Yuki_SOS的博客
05-11 557
softmax回归的从零开始实现实验前思考获取和读取数据获取数据集查看数据集查看下载后的.pt文件查看mnist_train和mnist_test读取数据集查看数据迭代器内容初始化模型参数定义softmax函数定义模型定义损失函数计算分类准确率模型评价--准确率开始训练可视化总结完整代码 实验前思考 本文不使用框架解决多分类问题。 一定要先明白实验原理。可看博客深度学习pytorch–softmax回归(一) 一定要先弄清楚数据是怎么用Tensor表示的。 获取和读取数据 这里使用Fashion-MNI
用numpy写出一个softmax回归的代码
03-24
下面是用numpy写出一个softmax回归的代码的示例： ```python import numpy as np # 数据集 X = np.array([[1, 2], [2, 1], [2, 3], [3, 2]]) y = np.array([0, 0, 1, 1]) # 定义softmax函数 def softmax(x): exp...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值