在学习机器学习的时候,我们会看到两个长的不一样的交叉熵损失函数。
假设我们现在有一个样本 {x,t}{x,t},这两种损失函数分别是。
−tjlog(yj)−tjlog(yj),
t_j
说明样本的ground-truth
是第j
类。−∑itilog(yi)+(1−ti)log(1−yi)−∑itilog(yi)+(1−ti)log(1−yi)
这两个都是交叉熵损失函数,但是看起来长的却有天壤之别。为什么同是交叉熵损失函数,长的却不一样呢?
因为这两个交叉熵损失函数对应不同的最后一层的输出。第一个对应的最后一层是softmax,第二个对应的最后一层是sigmoid。
如果看到这个答案就明白了的话,就没必要往下看了,如果感觉云里雾里的话,请听细细分解。
首先来看信息论中交叉熵的定义:
−∫p(x)logg(x)dx−∫p(x)logg(x)dx
交叉熵是用来描述两个分布的距离的,神经网络训练的目的就是使 g(x)g(x) 逼近 p(x)p(x) 。
现在来看softmax
作为最后一层的情况。g(x)g(x)是什么呢?就是最后一层的输出 yy 。p(x)p(x)是什么呢?就是我们的one-hot
标签。我们带入交叉熵的定义中算一下,就会得到第一个式子:
−tjlog(yj)−tjlog(yj)
- jj : 样本xx属于第jj类。
再来看sigmoid
作为最后一层的情况。sigmoid
作为最后一层输出的话,那就不能吧最后一层的输出看作成一个分布了,因为加起来不为1
。现在应该将最后一层的每个神经元看作一个分布,对应的 targettarget 属于二项分布(target的值代表是这个类的概率),那么第 ii 个神经元交叉熵为:
tilog(yi)+(1−ti)log(1−yi)tilog(yi)+(1−ti)log(1−yi)
,所以最后一层总的交叉熵损失函数是
−∑itilog(yi)+(1−ti)log(1−yi)−∑itilog(yi)+(1−ti)log(1−yi)
。