Funkce Softmax mění libovolné reálné hodnoty na pravděpodobnosti, které jsou často užitečné ve strojovém učení. Matematika, která se za ní skrývá, je poměrně jednoduchá: jsou dána nějaká čísla,
- zvyšte e (matematickou konstantu) na mocninu každého z těchto čísel.
- Sečtěte všechny exponenciály (mocniny eee). Tento výsledek je jmenovatel.
- Použijte exponenciálu každého čísla jako jeho čitatele.
- Pravděpodobnost=ČíselníkJmenovatel\text{Pravděpodobnost} = \frac{\text{Číselník}}{\text{Jmenovatel}}Pravděpodobnost=ČíselníkJmenovatel.
Přehledněji napsáno, Softmax provádí následující transformaci na nnn čísel x1…xnx_1 \ldots x_nx1…xn:
s(xi)=exi∑j=1nexjs(x_i) = \frac{e^{x_i}}{\sum_{j=1}^n e^{x_j}}s(xi)=∑j=1nexjexi
Výstupy transformace Softmax jsou vždy v rozsahu a sčítají se do 1. Tvoří tedy pravděpodobnostní rozdělení.
Jednoduchý příklad
Řekněme, že máme čísla -1, 0, 3 a 5. Jaké jsou jejich hodnoty? Nejprve vypočítáme jmenovatele:
Jmenovatel=e-1+e0+e3+e5=169,87\begin{aligned}\text{Jmenovatel} &= e^{-1} + e^0 + e^3 + e^5 \\&= \boxed{169,87} \\\\end{zarovnáno}Denominátor=e-1+e0+e3+e5=169,87
Poté můžeme vypočítat čitatele a pravděpodobnosti:
xxx | Čitatel (exe^xex) | Pravděpodobnost (ex169.87\frac{e^x}{169.87}169.87ex) |
---|---|---|
-1 | 0.368 | 0.002 |
0 | 1 | 0.006 |
3 | 20.09 | 0.118 |
5 | 148,41 | 0,874 |
Čím větší je xxx, tím vyšší je jeho pravděpodobnost. Všimněte si také, že všechny pravděpodobnosti se sčítají do 1, jak již bylo zmíněno.
Implementace Softmax v Pythonu
Při použití numpy je to velmi snadné:
import numpy as npdef softmax(xs): return np.exp(xs) / sum(np.exp(xs))xs = np.array()print(softmax(xs)) #
Poznámka: pokročilejší uživatelé to pravděpodobně budou chtít implementovat pomocí triku LogSumExp, aby se vyhnuli problémům s přetečením/podtečením.
Proč je Softmax užitečný?“
Představte si, že sestavujete neuronovou síť, která odpovídá na otázku:
Běžný návrh této neuronové sítě by měl na výstupu 2 reálná čísla, z nichž jedno by představovalo psa a druhé kočku, a na tyto hodnoty by se aplikoval Softmax. Řekněme například, že výstupem sítě bude :
Zvíře | xxx | exe^xex | Pravděpodobnost |
---|---|---|---|
Pes | -1 | 0. V takovém případě by bylo možné, aby síť vycházela ze dvou čísel.368 | 0,047 |
Kočka | 2 | 7,39 | 0,953 |
To znamená, že naše síť má 95,3% jistotu, že na obrázku je kočka. Softmax nám umožňuje odpovídat na klasifikační otázky pomocí pravděpodobností, které jsou užitečnější než jednodušší odpovědi (např. binární ano/ne)
.