当前位置：网站首页>CV复习：softmax代码实现

CV复习：softmax代码实现

2022-08-09 22:04:00 【pomelo33】

softmax函数，又称归一化指数函数。它是二分类函数sigmoid在多分类上的推广，目的是将多分类的结果以概率的形式展现出来。

1）将预测结果转化为非负数

将数值转换到指数函数上

2）各种预测结果概率之和等于1

为了确保各个预测结果的概率之和等于1。我们只需要将转换后的结果进行归一化处理。方法就是将转化后的结果除以所有转化后结果之和，可以理解为转化后结果占总数的百分比。这样就得到近似的概率。

因此softmax最后的公式为：

$p(y|x) = \frac{exp(f_{y})}{\sum _{c=1}^{C} exp(f_{c})}$

代码实现：

由于指数函数的放大作用过于明显，如果直接使用softmax计算公式进行函数实现，容易导致数据溢出(上溢)。所以我们在函数实现时利用其性质：先对输入数据进行处理，之后再利用计算公式计算。具体使得实现步骤为

版权声明
本文为[pomelo33]所创，转载请带上原文链接，感谢
https://blog.csdn.net/he_pomelo/article/details/126254960