【机器学习】softmax函数

2017年05月25日 21:13:16阅读数：8672

转载至 https://blog.csdn.net/haolexiao/article/details/72757796

原本以为softmax函数求导没啥难度的，结果自己写CNN的时候，梯度算的一直不对，查了半天才发现是因为softmax求导没求对。索性就开一篇Blog把softmax相关的都给记录一下。

softmax的定义

softmax函数如下： 

aLj=ezLj∑kezLkajL=ezjL∑kezkL

其可以看成sigmoid函数在多元分布中的一个推广 
至于softmax这个公式具体是怎么来的呢？ 
可以参照广义线性模型（GLM）里，通过多项分布化成为指数分布簇的形式，就得到了softmax 
相当于softmax是对于多项分布的一个刻画。 
所以softmax函数所表示的可以看成为对分类结果的概率分布。

 

softmax和cross-entropy损失函数

正如上面所说，softmax可以看成对概率分布的一个刻画，所以既然有概率分布，就可以用cross-entropy来定义损失函数 
之前的一篇Blog里讲过cross-entropy，从两个角度来考虑，一个是相当于用预测结果的分布区编码正确的结果分布，得到的编码长度，另一个角度可以看成，度量两个分布的KL距离，将其展开去掉常数项，也能得到cross-entropy 
所以损失函数可以度量成： 

L=−∑jyjlnaLjL=−∑jyjln⁡ajL

 

softmax的求导

softmax本身的求导如下： 
当j≠ij≠i时，我们只用对分母求偏导就好 

∂aLj∂zLi=−ezLj(∑kezLk)2⋅ezLi=−aLi⋅aLj∂ajL∂ziL=−ezjL(∑kezkL)2⋅eziL=−aiL⋅ajL

当j=ij=i时： 

∂aLj∂zLj=ezLj⋅(∑kezLk)−(ezLj)2(∑kezLk)2=aLj⋅(1−aLj)∂ajL∂zjL=ezjL⋅(∑kezkL)−(ezjL)2(∑kezkL)2=ajL⋅(1−ajL)

 

我之前之所以算错了softmax的导数，就是因为我以为j≠ij≠i时分子不含ii，所以导数就为0了呢，实际上，是分母中都是含有的。 
当softmax与cross-entropy结合的时候，可以求得输出层的误差为： 

∂E∂zLj=∑k∂E∂aLk⋅∂aLk∂zLj=−yj(1−aLj)+∑k≠jykaLk⋅(aLk⋅aLj)∂E∂zjL=∑k∂E∂akL⋅∂akL∂zjL=−yj(1−ajL)+∑k≠jykakL⋅(akL⋅ajL)

 

=aLj(∑kyk)−yj=aLj−yj=ajL(∑kyk)−yj=ajL−yj

 

所以得到了最后一层的误差值： 

δLj=aLj−yjδjL=ajL−yj

 

softmax的好处

softmax函数的好处经常和cross-entropy的好处放在一块来说。 
用cross-entropy相较于平方误差 square loss function的好处，是能够减少训练缓慢的问题【也可以说是梯度消失的问题】 
因为平方损失函数求导得到的误差结果为【此处假设输出层每个结果用单一的sigmoid函数来表示】： 
δLj=(aLj−yj)σ′(zLj)=(aLj−yj)aLj(1−aLj)δjL=(ajL−yj)σ′(zjL)=(ajL−yj)ajL(1−ajL) 
因为其需要乘以一个sigmoid的导数，因为sigmoid导数会有梯度消失的问题，所以当结果非常好或者非常差的时候，其训练速度都会非常的缓慢【也就是说的饱和的情况】。 
画出图像的话为下图： 

即在一开始，随机化初始权重之后，当时分类器肯定结果很差，但是此时导数非常的小，训练起来非常的缓慢。 
而符合直觉的想法是，当结果越差的时候，我们希望梯度也能够越大才可以。而cross-entropy函数能够满足这个性质。 
另外在LR回归之中，如果采用平方损失函数，则损失函数是非凸的，而采用cross-entropy则结果是凸的。

另外一个softmax的好处是，其中一个结果发生了变化，整个输出的所有结果都会发生变化，对变化更加敏感