softmax和交叉熵损失函数求导

今天看了交叉熵损失函数求导，上网上找，发现很多博客写的不清楚，下面具体写一下求导的过程。

关于交叉熵函数的介绍，参见我的上一篇博客。https://blog.csdn.net/qq_39004117/article/details/84260784

首先，在多分类问题中，交叉熵损失函数的定义为：

                                                                            

                                                    其中，            

如果样本i的类别是k，那么=1，否则。由此可知，。

我一开始，对于i，k，j，w感觉非常混乱，现在我画一幅图来解释一下：

                                                            

对于每一个类k，我都有一个对应的列向量（不知道为啥不能加粗。。。），对应图中的向量X，是通过softmax算出来的第i个样本属于第k类的概率。

【推导】

对

 

对

(编辑公式废了老大劲了……)

我们现在已经推出来了经过softmax的概率对于的偏导，现在我们回头看cross entropy loss function：

至此，推导完毕。

可以直观的看出，预测的值和实际值越接近，损失就越小。