我正在尝试编写一个方法来计算SoftMax激活函数，该方法将矩阵或数组作为输入，并将softmax函数应用于每一行。numpy as np e_x = np.exp(x - np.max(x)) return list(result)
e_x = np.exp
浏览 9提问于2019-11-18得票数 0
我想使用tensorflow内置的交叉熵函数。然而，在文档中，我正在阅读
result = tf.layers.dense(input=dropout, classes_num, tf.nn.softmax)
因此，使用此函数是不正确的，还是文档不正确？(那么，对于软最大输出层使用</em
浏览 7提问于2017-11-05得票数 2
回答已采纳
5回答
大多数用于分类任务的神经网络示例都使用softmax层作为输出激活函数。通常，其他隐藏单元使用sigmoid、tanh或ReLu函数作为激活函数。据我所知，使用softmax函数也可以计算出数学上的结果。
有没有关于这方面的出
浏览 4提问于2016-06-02得票数 19
回答已采纳
2回答
Keras致密层与激活层的区别
、、、、
我想知道Keras的激活层和致密层有什么不同。
由于激活层似乎是一个完全连接的层，并且Dense有一个参数来传递激活函数，那么最佳实践是什么？让我们想象这样一个虚构的网络: Input -> Dense -> Dropout -> Final Layer最后一层应该是: Dense(activation=softmax)或Activation(softmax)？
浏览 3提问于2016-11-29得票数 30
回答已采纳
1回答
在中，输出层没有激活。logits = tf.layers.dense(net, params['n_classes'], activation=None)问题
一般来说，输出层也应该有激活功能吗sparse_softmax</e
浏览 1提问于2018-03-26得票数 1
回答已采纳
1回答
TensorFlow版本: tf 1.13.1Python版本: 3.7
classifier = keras.
浏览 0提问于2019-05-27得票数 0
回答已采纳
1回答
我想了解的是，以下两种功能是否等效：softmax = tf.add(tf.matmul(x, weights), biases, name=scope.name)softmax = tf.nn.softmax
浏览 1提问于2016-02-29得票数 2
回答已采纳
2回答
我正在尝试计算softmax的激活函数的导数。我发现了这个:似乎没有人给出正确的推导，我们如何得到i=j和i!= j的答案。有人能解释一下吗？当涉及求和时，我会混淆导数，比如softmax激活函数的分母。
浏览 0提问于2016-06-13得票数 10
回答已采纳
3回答
我使用的ResNet18预训练模型，将用于一个简单的二值图像分类任务。但是，包括PyTorch本身在内的所有教程都使用nn.Linear(num_of_features, classes)作为最终的完全连接层。我不明白的是，该模块的激活函数在哪里？另外，如果我想使用sigmoid/softmax，怎么办？
谢谢你提前帮忙，我对毕道士有点陌生。
浏览 7提问于2021-02-16得票数 1
回答已采纳
1回答
现在我已经编写了predict()函数，它使用经过训练的权重来预测给定图像的类别。(p, feed_dict={X: images})
这使用了forward_propagation()函数，该函数返回最后一层(Z)而不是活动(A)的加权和，因为TensorFlows tf.nn.softmax_cross_entropy_with_logits()需要Z而不是A，因为它将通过应用softmax Refer 来计算<
浏览 10提问于2019-08-04得票数 2
回答已采纳
我所读/知道的是，CrossEntropyLoss已经实现了Softmax函数，因此我的输出层是线性的。这感觉很奇怪，因为我有一些负输出，我认为我需要首先应用SOftmax函数，但是没有它，它似乎工作得很好。
谢谢你们的
浏览 9提问于2021-12-10得票数 1
tf.nn.softmax_cross_entropy_with_logits，文档显示它计算了逻辑和标签之间的最大交叉熵，这意味着什么？它不是应用了交叉熵损失函数公式吗？为什么文档说它计算软最大交叉熵？
浏览 5提问于2017-05-22得票数 2
1回答
在输出层中具有任何类型的激活函数，反向传播看起来如下：
因此，通过对a_{l} 与z_{l} 的区分，结果是激活函数与现在，在最后一层中使用Softmax，这不适用。如果我使用</
浏览 0提问于2019-05-09得票数 3
回答已采纳
1回答
"),])
y_ = model(x)
return tf.losses.sparse_softmax_cross_entropy
浏览 1提问于2018-07-05得票数 0
1回答
我知道softmax激活函数:具有softmax激活的输出层之和总是等于1，也就是说:输出向量是归一化的，这也是相关的，因为最大累积概率不能超过1。好的，这很清楚。但我的问题是:当使用softmax作为分类器时，是使用argmax函数来获得类的索引。那么，如果重要的参数是得到正确类的指标，那么得到一个或更高的累积概率之间有什么区别呢？在python中，我做了另一个softmax (实际上不是
浏览 5提问于2021-01-19得票数 0
回答已采纳
frac{e^{h_1}}{{e^{h_0} + e^{h_1}}}
因此，h = h_1 - h_0，为什么作为最终输出的y现在可以表示为y = \sigma(h)，其中\sigma是sigmoid函数
浏览 0提问于2019-05-22得票数 0
回答已采纳
1回答
我需要执行反向传播，为此，我需要计算最后一层的dA*dZ，其中dA是损失函数L wrt的导数，softmax激活函数A和dZ是softmax激活函数A wrt到z ( z=wx+b )的导数。
浏览 0提问于2020-04-18得票数 1
回答已采纳
我写了它，以便可以在sigmoid、tanh和relu激活之间指定选择。然后，平方误差被实现为损失函数，其中每个损失函数。我现在希望允许选择使用相同的模型来学习多类分类问题，因此希望实现使用softmax激活和交叉熵损失的选择。在我下面的代码中，唯一需要做的更改(我希望)是在activation()和loss()函数中实现这些，然后这应该会在正向传球和后传中开箱即用。这段代码运行学习XOR函数的模型的模拟，其中选择的激活</e
浏览 2提问于2018-04-11得票数 0
1回答
其想法是使用softmax最终层，但我是否需要分别构建每个列并连接？或者，是否可以在Keras中更简单地(例如，一行)完成这一任务？
浏览 2提问于2018-09-20得票数 0
回答已采纳
云服务器
ICP备案
对象存储
云点播
实时音视频
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号