softmax函数的定义及求导

本文中$(x_0, x_1, ..., x_m)$代表一个向量，也就是一个$m$行1列的矩阵。

在监督式的深度学习中，输入通常是一个向量，用$x$表示，输出$y$则可以分为多种情况。

• 标量。$y$表示输入$x$属于某一类别的概率。
• 向量。此时输入$x$可能属于多个类别。$y=(y_0, y_1, ..., y_n)$。元素$y_i$代表向量属于类别$i$的可能性。数值越大，可能性越高。但是，深度学习模型输出的$y_i$不必然是介于0和1之间的概率值，$softmax$函数的作用就是对向量进行归一化，生成概率值。

  $softmax$函数的作用如下。
  

  $$softmax((y_0, y_1, ..., y_n))=(\frac{y_0}{\Sigma_{i=0}^n y_i}, ..., \frac{y_n}{\Sigma_{i=0}^n y_i})$$
  也就是说， $softmax$函数的输入是一个向量，而其输出也是一个向量，向量中的每个元素都是介于0和1之间的概率值。下面将以最简单的形式来描述 $softmax$函数的定义和求导问题。假设输入是包含3个元素的向量，而输出是包含2个元素的向量，也就说 $m=2, n=1$，如下图所示。
  
  图中表示了从输入到输出的一个转换过程，参数有6个，可以写成一个矩阵的形式。
  $$\theta=\left[\begin{array}\\w_{00},w_{10}, w_{20}\\w_{01},w_{11},w_{21}\end{array}\right]$$ 这里把与输出向量中每个元素链接的权重组织成一行，所以共有两行。令 $\theta_0=[w_{00},w_{10}, w_{20}]$， $\theta_1=[w_{01},w_{11}, w_{21}]$，则有。
  $$\theta=\left[\begin{array} \\\theta_0\\\theta_1\end{array}\right]$$ 用 $h$来代表转换函数，则有如下式子。
  $$y_0 = h(\theta_0, x)$$ $$y_1 = h(\theta_1, x)$$
  针对这个具体例子则有。
  $$softmax((y_0, y_1))=(\frac{h(\theta_0, x)}{h(\theta_0, x) + h(\theta_1, x)},\frac{h(\theta_1, x)}{h(\theta_0, x) + h(\theta_1, x)})$$
  为了方便书写，令 $$z_0 = \frac{h(\theta_0, x)}{h(\theta_0, x) + h(\theta_1, x)}$$ $$z_1 = \frac{h(\theta_1, x)}{h(\theta_0, x) + h(\theta_1, x)}$$ 按照对向量求导的定义，其结果应该是一个Jacobian矩阵，则对 $softmax$函数的求导可以写为如下形式。
  $$\frac{\partial softmax((y_0, y_1))}{\partial x}=\left[\begin{array}\\ \frac{\partial z_0}{\partial x} \\\frac{\partial z_1}{\partial x}\end{array}\right]=\left[\begin{array}\\\frac{\partial z_0}{\partial x_0}\frac{\partial z_0}{\partial x_1} \frac{\partial z_0}{\partial x_2}\\\frac{\partial z_1}{\partial x_0}\frac{\partial z_1}{\partial x_1} \frac{\partial z_1}{\partial x_2}\end{array}\right]$$