softmax函数的原理

softmax用于多分类过程中,它将多个神经元的输出,映射到(0,1)区间内。假设我们有一个数组,V,Vi表示V中的第i个元素,那么这个元素的softmax值:

如下图表示:

softmax直白来说就是将原来输出是3,1,-3通过softmax函数一作用,就映射成为(0,1)的值我们就可以选取概率最大(也就是值对应最大的)结点,作为我们的预测目标。

当我们对分类的Loss进行改进的时候,我们要通过梯度下降,每次优化一个step大小的梯度。求Loss对每个权重矩阵的偏导,应用链式法则:

z4 = w41*o1+w42*o2+w43*o3   (o1,o2,o3代表是结点1,2,3的输入, z4代表结点的输出)

a_{4} = \frac{e^{z4}}{e^{z4} + e^{z5} + e^{z6}}(z4代

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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
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