softmax 使用softmax的原因 以概率占比得到预测标签 标签值为离散值，离散值与输出值之间的误差无法界定 softmax的实现（指数实现） 分类的时候以概率值最高的序号(argmax)作为y_hat 损失函数（交叉熵损失函数） 交叉熵应用于分类的解析： 假设有q类，标签label为离散值k ...
分类：
其他好文 时间：
2020-03-04 17:31:10
阅读次数：
69
Softmax是用于分类过程，用来实现多分类的 它把一些输出的神经元映射到（0-1）之间的实数，并且归一化保证和为1，从而使得多分类的概率之和也刚好为1。 Softmax可以分为soft和max，max也就是最大值，假设有两个变量a,b。如果a>b，则max为a，反之为b。那么在分类问题里面，如果只 ...
分类：
其他好文 时间：
2020-02-24 17:05:31
阅读次数：
97
目录 单标签二分类 单标签多分类 多标签算法 一、单标签二分类 单标签二分类这种问题是我们最常见的算法问题，主要是指label标签的取值只有两种，并且算法中只有一个需要预测的label标签；直白来讲就是每个实例的可能类别只有两种(A or B)；此时的分类算法其实是在构建一个分类线将数据划分为两个类... ...
分类：
编程语言 时间：
2020-02-24 00:11:12
阅读次数：
107
?先导?本节实现所需的包或模块。 1.获取数据集 使?Fashion MNIST数据集，并设置批量??为256。 2.初始化模型参数 跟线性回归中的例??样，我们将使?向量表示每个样本。已知每个样本输?是?和宽均为28像素的图像。模型的输?向量的?度是$28 \times 28 =784$：该向量的 ...
分类：
其他好文 时间：
2020-02-22 21:36:19
阅读次数：
78
seq2seq " " 每个词在编码器端，经过双向LSTM，在解码端编码层的隐藏状态和解码器的隐藏状态，做一个加法attention： $$ e_i^t = v^Ttanh(W_hh_i+W_ss_t+b_{attn}) $$ $$ a^t = softmax(e^t) $$ 其中： + $h_i$ ...
分类：
其他好文 时间：
2020-02-20 22:28:37
阅读次数：
148
softmax和分类模型 softmax的基本概念 分类问题 一个简单的图像分类问题，输入图像的高和宽均为2像素，色彩为灰度。 图像中的4像素分别记为 $x_1, x_2, x_3, x_4$ 假设真实标签为狗、猫或者鸡，这些标签对应的离散值为 $y_1, y_2, y_3$ 。 我们通常使用离散的 ...
分类：
其他好文 时间：
2020-02-14 22:32:45
阅读次数：
79
1 # 加载各种包或者模块 2 import torch 3 from torch import nn 4 from torch.nn import init 5 import numpy as np 6 import sys 7 sys.path.append("/home/kesci/input ...
分类：
其他好文 时间：
2020-02-14 22:19:49
阅读次数：
256
softmax和分类模型 内容包含： 1. softmax回归的基本概念 2. 如何获取Fashion MNIST数据集和读取数据 3. softmax回归模型的从零开始实现，实现一个对Fashion MNIST训练集中的图像数据进行分类的模型 4. 使用pytorch重新实现softmax回归模型 ...
分类：
其他好文 时间：
2020-02-14 20:37:12
阅读次数：
69
理论部分： softmax的基本概念 分类问题一个简单的图像分类问题，输入图像的高和宽均为2像素，色彩为灰度。图像中的4像素分别记为x1,x2,x3,x4。假设真实标签为狗、猫或者鸡，这些标签对应的离散值为y1,y2,y3。我们通常使用离散的数值来表示类别，例如y1=1,y2=2,y3=3。 权重矢 ...
分类：
其他好文 时间：
2020-02-14 20:30:48
阅读次数：
62
softmax和分类模型 内容包含： softmax回归的基本概念 如何获取Fashion-MNIST数据集和读取数据 softmax回归模型的从零开始实现，实现一个对Fashion-MNIST训练集中的图像数据进行分类的模型 使用pytorch重新实现softmax回归模型 softmax的基本概 ...
分类：
其他好文 时间：
2020-02-13 17:26:49
阅读次数：
77
