Fonction d'apprentissage profond / softmax

1.Tout d'abord

Cette fois, je résumerai brièvement la fonction Softmax.

2. Qu'est-ce qu'une fonction softmax?

Convertit la sortie du réseau neuronal en une probabilité totale de 1. スクリーンショット 2020-03-28 16.31.12.png

3. Calcul spécifique

Si la sortie $ y_1 $ ~ $ y_3 $ est la suivante,

スクリーンショット 2020-03-28 16.32.54.png Le résultat grâce à la fonction softmax est スクリーンショット 2020-03-28 16.25.28.png

4. Code

import numpy as np

def softmax(z):
    y = np.exp(z) / np.sum(np.exp(z))
    return y

z = np.array([1.2,  0.8,  0.3])
answer = softmax(z)
print(answer)

#production
# [0.48148922  0.32275187  0.19575891]

Recommended Posts

Fonction d'apprentissage profond / softmax
Introduction à l'apprentissage en profondeur ~ Approximation des fonctions ~
Mémorandum d'apprentissage profond
Commencer l'apprentissage en profondeur
Apprentissage en profondeur Python
Apprentissage profond × Python
Note récapitulative sur le Deep Learning -4.2 Fonction de perte-
Premier apprentissage profond ~ Lutte ~
Chainer et deep learning appris par approximation de fonction
Python: pratique du Deep Learning
Fonctions d'apprentissage en profondeur / d'activation
Apprentissage profond à partir de zéro
Apprentissage profond / rétropropagation d'erreur de la fonction sigmoïde
Apprentissage profond / entropie croisée
Premier apprentissage profond ~ Préparation ~
[AI] Apprentissage métrique profond
Introduction à l'apprentissage profond ~ Fonction de localisation et de perte ~
Python: réglage du Deep Learning
[Deep Learning from scratch] Implémentation de couche de la fonction softmax à l'erreur d'entropie croisée
Pourquoi le Deep Metric Learning basé sur la fonction Softmax fonctionne
Apprentissage profond à partir de zéro 1 à 3 chapitres
Essayez l'apprentissage en profondeur avec TensorFlow
Deep Learning Gaiden ~ Programmation GPU ~
<Cours> Apprentissage en profondeur: Day2 CNN
Reconnaissance d'image par apprentissage profond 1 théorie
Deep running 2 Réglage de l'apprentissage profond
Apprentissage profond / code de travail LSTM
<Cours> Apprentissage en profondeur: Jour 1 NN
Apprentissage profond du noyau avec Pyro
Essayez le Deep Learning avec FPGA
Apprentissage profond pour la formation composée?
Présentation d'Udacity Deep Learning Nanodegree
Sujets> Deep Learning: Day3 RNN
Introduction au Deep Learning ~ Règles d'apprentissage ~
Apprentissage par renforcement profond 1 Introduction au renforcement de l'apprentissage
Zura avec fonction softmax implémentée
Apprentissage par renforcement profond 2 Mise en œuvre de l'apprentissage par renforcement
Générez des Pokémon avec Deep Learning
Introduction au Deep Learning ~ Rétropropagation ~
Distillateur de bibliothèque d'éclaircissement de modèles d'apprentissage profond
Deep learning / Deep learning from scratch 2 Chapitre 4 Mémo
Essayez le Deep Learning avec les concombres FPGA-Select
Identification de la race de chat avec Deep Learning
Deep learning / Deep learning made from scratch Chapitre 3 Mémo
Faites de l'art ASCII avec l'apprentissage en profondeur
Deep Learning / Deep Learning à partir de Zero 2 Chapitre 5 Mémo
Implémenter le deep learning / VAE (Variational Autoencoder)
Essayez l'apprentissage en profondeur avec TensorFlow Partie 2
À propos de la gestion de projet de deep learning (DNN)
Introduction à l'apprentissage profond ~ Préparation au codage ~
Organisez des plateformes d'apprentissage automatique et d'apprentissage en profondeur
Apprentissage profond appris par l'implémentation 1 (édition de retour)
Deep Learning / Deep Learning à partir de Zero 2 Chapitre 7 Mémo
Deep Learning / Deep Learning à partir de Zero 2 Chapitre 8 Mémo
Didacticiel "CNTK" de la bibliothèque d'apprentissage en profondeur de Microsoft
Vérifiez la forme de squat avec l'apprentissage en profondeur
Deep learning / Deep learning made from scratch Chapitre 4 Mémo
Deep Strengthening Learning 3 Édition pratique: Briser des blocs