softmax损失函数理解「建议收藏」

大家好，又见面了，我是你们的朋友全栈君。

softmax softmax的定义

假设有一个数组V，ViVi表示V中的第i个元素，那么这个元素的softmax值为:

SoftmaxLayer和SoftmaxLossLayer

softmaxLayer softmax实际上就是logistic的扩展，后者只能二分类，前者则能多分类，实际上都是返回每一类的概率值。在caffe里面softmax的实现分为以下几步（加入输入到softmax里面的结点数为10）： 1）找出输入的最大值，输入的每个变量减去最大值，取指数（e为底）； 2）对1）中结果归一化，得出的结果就是每一类的分类概率。

softmaxLoss 实际上就是个代价函数，我们要让分类正确的概率最大，然后我们对这个概率取log对数，由于代价函数都是最小化，所以我们在log前面加个负号。caffe中都是以batch为单位进行训练的，所以计算loss的时候都是以batch为单位求和取平均。

softmax loss是我们最熟悉的loss之一了，分类任务中使用它，分割任务中依然使用它。softmax loss实际上是由softmax和cross-entropy loss组合而成，两者放一起数值计算更加稳定。这里我们将其数学推导一起回顾一遍。

令z是softmax层的输入，f(z)是softmax的输出，则

单个像素i的softmax loss等于cross-entropy error如下:

展开上式：

softmaxLoss

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/153117.html原文链接：https://javaforall.cn