softmax函数
in 机器学习 with 0 comment

softmax函数

in 机器学习 with 0 comment

作用

softmax函数又称为归一化指数函数,是逻辑函数的一种推广。他的作用是将一个含任意实数的K维向量“压缩”到另外一个K维实向量中。使得每一个元素的范围都在(0,1)之间,并且所有的元素和为1。

下面是两个例子:

# logits is a one-dimensional array with 3 elements
logits = [1.0, 2.0, 3.0]
# softmax will return a one-dimensional array with 3 elements
print softmax(logits)
$ [ 0.09003057  0.24472847  0.66524096]

同样的,二维的也可以使用softmax函数进行归一化,结果将返回一个同样类型的二维数组。在每一个维度的和都是1

# logits is a two-dimensional array
logits = np.array([
    [1, 2, 3, 6],
    [2, 4, 5, 6],
    [3, 8, 7, 6]])
# softmax will return a two-dimensional array with the same shape
print softmax(logits)
$ [
    [ 0.09003057  0.00242826  0.01587624  0.33333333]
    [ 0.24472847  0.01794253  0.11731043  0.33333333]
    [ 0.66524096  0.97962921  0.86681333  0.33333333]
  ]
Responses