【机器学习】softmax函数_littlemichelle-CSDN博客
【机器学习】tf.nn.softmax_littlemichelle-CSDN博客
exp 前部分平缓(确定性低),后部分陡峭(确定高),所以softmax添加温度参数。
算是双塔模型的一种优化思路吧。首先上结论,温度高为什么能够避免陷入局部最优解?
如果我们在训练时将t设置比较大,那么预测的概率分布会比较平滑,那么loss会很大,loss大的话,计算出的梯度也越大,参数更新步长较大,能够避免陷入局部最优解。
深度学习中的temperature parameter是什么 - 酱紫啊的文章 - 知乎(直接看原文吧~!)
随着训练的进行,我们将t
变小,也可以称作降温,类似于模拟退火算法,这也是为什么要把t
称作温度参数的原因。变小模型才能收敛。
问题来源
在google的论文《Sampling-Bias-Corrected Neural Modeling for Large Corpus Item Recommendations》中看到这个公式:
对于这个t
很好奇。 先简单介绍一下这篇论文,用双塔做推荐,左侧是user特征,右侧是item特征,然后通过DNN之后得到对应向量,再求向量内积得到一个数表示二者相关程度,计算出user和正类item和负类item的相关程度的数值之后,再通过softmax函数,得到user点击每个item的概率值。假设我们有1个正类2个负类,那么我们会将如下向量输入softmax layer:
这里x
代表user向量,y代表item向量。 一般来说,我们直接求内积就得到了s(x,y)
,为什么还要除以t
呢?这个t
是什么,有什么作用呢?
temperature parameter
这个t
叫做温度参数,我们加入到softmax中看看会有什么效果。假设我们处理的是一个三分类问题,模型的输出是一个3维向量:[1,2,3]
然后计算交叉熵损失,首先我们要通过一个softmax layer,softmax公式大家都很熟悉:
我们得到结果:[0.09003057317038046, 0.24472847105479767, 0.6652409557748219]
我们让t=2,其实也就是让[1/2,2/2,3/2]计算softmax,得到结果:
[0.1863237232258476, 0.30719588571849843, 0.506480391055654]
再让t=0.5,让[1/0.5,2/0.5,3/0.5]计算softmax,得到结果:
[0.015876239976466765, 0.11731042782619835, 0.8668133321973348]
看到区别了吗,t
越大,结果越平滑,让本来t=1
时大的结果变小一点,小的变大一点,得到的概率分布更“平滑”,相应的t
越小,得到的概率分布更“尖锐”,这就是t
的作用。
观察:随着τ的减小,softmax输出各类别之间的概率差距越大,从而导致loss变小。
如何使用
t
的大小和模型最终模型的正确率没有直接关系,我们可以将t
的作用类比于学习率。我们的label类似于[1,0,0],最“尖锐”,如果我们在训练时将t
设置比较大,那么预测的概率分布会比较平滑,那么loss会很大,这样可以避免我们陷入局部最优解。随着训练的进行,我们将t
变小,也可以称作降温,类似于模拟退火算法,这也是为什么要把t
称作温度参数的原因。变小模型才能收敛。比如我们可以这这样设置t
:
这里的T
表示的是训练循环的次数。
在这篇论文中,设置的是固定的t
,并没有进行降温的过程,并且 t=0.05
比较小,我试了一下,loss下降很快。我觉得可能跟使用场景有关,因为这篇文章的label都是[1,0,0],正类总在第一位。