动手学习深度学习——softmax函数与sigmoid函数区别

本篇文章属于总结性文章，看之前你需要对softmax与sigmoid都有一个大概的认识。全文没有代码纯理论，手写+公式的方式简单总结了两种激活函数在多方面的不同，看完对你有帮助的话可以点个收藏并小赞一下😊。

1. 解决的实际问题不同

在动手学深度学习——softmax回归之OneHot、softmax与交叉熵一文中，我们以softmax函数和交叉熵实现了一个“单层神经网络”——softmax回归分类器；同样的，我们也可以用sigmoid函数作为激活函数实现sigmoid回归分类器。二者分别用于解决多分类问题与多标签问题：

• 多标签问题：一部电影即是剧情片又是爱情片，各类别之间不互斥——sigmoid；
• 多分类问题：一个动物图谱只能是一类动物，各类别之间互斥——softmax；
  
  

2. 各类别间关系不同

当然我们这里不着重介绍两种分类器的实现和用途，主要介绍两种激活函数间的区别：

• 在softmax中，我们计算得到的各类别概率之和为1，也就是说我们加大某一类别的概率必然导致其他类别减小——各类别之间相互关联，是互斥的。
• 在sigmoid中，我们计算的各类别概率之和则不一定为1，各个输出值依次独立的经过激活函数的映射，某一个类别概率增大可能也伴随另一个类别概率增大——各类别之间相互独立，不互斥。
  
  

3. 正向传播对应的交叉熵损失函数不同

因此，两种激活函数在计算损失时，分别对应不同的交叉熵函数，推导如下：

4. 反向传播中计算梯度的方式不同

不仅如此，由于两种激活函数计算输出值的方法不一样：

• sigmoid函数是标量变元的实值标量函数 $f(x)$；
• softmax函数是向量变元的实值标量函数 $f\text{f}f(x\text{x}x)$。

所以二者在 多样本(矩阵) 的情况下反向传播计算：损失函数对激活函数输出的梯度：$\frac{\partial L}{\partial \widehat{y_i}}$，以及激活函数对自身输入的梯度：$\frac{\partial \widehat{y_i}}{\partial a_i}$ 也有不同，推导如下：

5. 补充

1. sigmoid的公式及求导：

2. softmax公式及求导：详见知乎博客：反向传播之一：softmax函数