Softmax数值不稳定问题

在数值计算中,上溢和下溢是常见问题,尤其在涉及softmax函数时。下溢可能导致接近零的数被四舍五入为零,而上溢则可能发生在大量级的数被近似为无穷时。为了避免这种情况,通常采取减去最大值的方法来调整softmax函数,以排除上溢和被零除的风险。在深度学习中,计算softmax概率和交叉熵损失时需要注意数值稳定性,避免直接相加导致的不稳定性,应使用专门的稳定计算方式。
摘要由CSDN通过智能技术生成

数值计算

上溢和下溢

计算机通过有限数量的位模式来表示无限多的实数,总会引入一些近似误差。如果涉及时没有考虑最小化舍入误差的累积,在实践时可能会导致算法实效

下溢:当接近零的数被四舍五入为零时发生下溢。

许多函数在其参数为零而不是一个很小的正数时会表现出质的不同:

  • 避免零除
  • 避免取0的对数

上溢:大量级的数被近似为无穷时发生上溢。


必须对上溢和下溢进行数值稳定的一个例子是softmax函数

softmax(x)i=exp(
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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