Softmax公式及作用
Softmax函数,或称归一化指数函数,通常在机器学习的分类器中做输出层用。它可以将一个含任意实数的K维向量 “压缩”为另一个K维向量,使得每一个元素的范围都在之间,也就代表了相应输出的概率。
Softmax函数公式如下:
Softmax的反向传播推导
我们已知:
则由链式法则可得输入 的梯度:
其中为上一层反向传播回来的梯度。下面重点分析:
上式中 if ,否则为0。带回原式:
码公式辛苦,转载请注明出处。
Softmax函数,或称归一化指数函数,通常在机器学习的分类器中做输出层用。它可以将一个含任意实数的K维向量 “压缩”为另一个K维向量,使得每一个元素的范围都在之间,也就代表了相应输出的概率。
Softmax函数公式如下:
我们已知:
则由链式法则可得输入 的梯度:
其中为上一层反向传播回来的梯度。下面重点分析:
上式中 if ,否则为0。带回原式:
码公式辛苦,转载请注明出处。