两种softmax loss求取的代码

#1.  probs[range(N), y] 从probs中取出y所指向的正确类的概率值,然后对各元素求log值,得到correct_logprobs,是一个[N,]数组:

    correct_logprobs = -np.log(probs[range(N), y])   

    data_loss = np.sum(correct_logprobs) / N

                                                                                                                                                                

#2.建立 y_trueClass矩阵,将正确分类的位置上赋值为1,其余为0。对probs中的元素取log之后,将y_trueClass作为mask,来从probs中剔除非正确分类的概率值,求和,取平均。

 y_trueClass = np.zeros_like(probs)

 y_trueClass[range(num_train), y] = 1.0 

 loss += -np.sum(y_trueClass * np.log(probs)) / num_train


个人认为第一种较好,计算量小。

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