深度学习中的激活函数SoftMax函数的FPGA设计与实现（一）

最新推荐文章于 2025-03-16 17:18:06 发布

我是Trustintruth

最新推荐文章于 2025-03-16 17:18:06 发布

阅读量4.5k

点赞数 2

分类专栏： SoftMax 文章标签：人工智能 SoftMax 深度学习算法 fpga

本文链接：https://blog.csdn.net/stanary/article/details/79145291

版权

本文介绍了在FPGA上实现深度学习中SoftMax激活函数的思路和挑战。作者计划详细阐述如何处理负数表示、指数运算和除法运算等关键步骤，旨在将SoftMax算法转化为硬件可实现的形式。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

学习更多相关知识，关注博主知乎账号，用户名Trustintruth https://www.zhihu.com/people/suo-yi-xin-90/activities

近期一来希望趁着假期可以充实一下自己，二来想做一些算法的东西，最终决定试一试水深度学习中的激活函数。计划用一段时间将这个不算是很难得算法使用FPGA实现出来。

在收集资料的阶段，在博客和知乎中找了许多许多的资料，在此推荐一篇知乎的专栏，非常适合像我一样的从零开始接触这方面的人来理解SoftMax算法。

https://zhuanlan.zhihu.com/p/25723112

话不多说，我们开始进入正题，在前人的讲解下为大家再嚼一嚼SoftMax这块骨头。

首先，对于SoftMAx这个算法本身还是不算非常难的，对于其实现的功能，引用知乎专栏里的一段话

引自知乎 例如在取max时候，A与B，如果A大于B，那么取A。但如果我希望分值大的那部分经常取到，而分值小的一部分偶尔会取到。那么我使用softmax就可以了。依然是A和B，A>B，按照softmax来算取A和B的概率，那么A的softmax值大于B的，所以A会经常取到，而B也会偶尔取到。概率与他们本来的大小有关。

这段话很清楚地把函数的作用告诉了我们，即将输入的数据映射到（