神经网络中的logits是什么意思

最新推荐文章于 2024-06-13 19:03:19 发布

五月的天气

最新推荐文章于 2024-06-13 19:03:19 发布

阅读量1.2w

点赞数 20

分类专栏： pytorch 文章标签：神经网络

原文链接：https://blog.csdn.net/weixin_38481963/article/details/108892877

版权

pytorch 专栏收录该内容

9 篇文章 4 订阅

订阅专栏

logits在神经网络中是未经归一化的预测得分向量，通常作为多分类问题中softmax函数的输入。softmax函数将logits转换为概率分布，每个类别的概率值对应一个可能的类别。此外，logits也常被认为是sigmoid函数的逆运算。了解更多关于logits和tf.nn.sigmoid_cross_entropy_with_logits的信息。

摘要由CSDN通过智能技术生成

logit 在统计学上是一个数学函数，但是在神经网络中却有着不同的含义。

说白了，logits 就是一个向量，下一步通常被投给 softmax 的向量。

就是下图这个箭头所指的位置：

在这里插入图片描述
logits 参考这里
The vector of raw (non-normalized) predictions that a classification model generates, which is ordinarily then passed to a normalization function. If the model is solving a multi-class classification problem, logits typically become an input to the softmax function. The softmax function then generates a vector of (normalized) probabilities with one value for each possible class.

In addition, logits sometimes refer to the element-wise inverse of the sigmoid function. For more information, see tf.nn.sigmoid_cross_entropy_with_logits.