[PYTHON] Deep Learning / Softmax-Funktion

1. Zuallererst

Dieses Mal werde ich die Softmax-Funktion kurz zusammenfassen.

2. Was ist eine Softmax-Funktion?

Wandelt die Ausgabe des neuronalen Netzwerks in eine Gesamtwahrscheinlichkeit von 1 um. スクリーンショット 2020-03-28 16.31.12.png

3. Spezifische Berechnung

Wenn die Ausgabe $ y_1 $ ~ $ y_3 $ wie folgt ist,

スクリーンショット 2020-03-28 16.32.54.png Das Ergebnis durch die Softmax-Funktion ist 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)

#Ausgabe
# [0.48148922  0.32275187  0.19575891]

Recommended Posts

Deep Learning / Softmax-Funktion
Einführung in das tiefe Lernen ~ Funktionsnäherung ~
Deep Learning Memorandum
Starten Sie Deep Learning
Python Deep Learning
Deep Learning × Python
Zusammenfassender Hinweis zu Deep Learning -4.2 Verlustfunktion-
Erstes tiefes Lernen ~ Kampf ~
Chainer und Deep Learning durch Funktionsnäherung gelernt
Python: Deep Learning-Praxis
Deep Learning / Aktivierungsfunktionen
Deep Learning von Grund auf neu
Deep Learning / Fehler-Backpropagation der Sigmoid-Funktion
Deep Learning / Cross Entropy
Erstes tiefes Lernen ~ Vorbereitung ~
[AI] Deep Metric Learning
Einführung in Deep Learning ~ Lokalisierungs- und Verlustfunktion ~
Python: Deep Learning Tuning
[Deep Learning von Grund auf neu] Layer-Implementierung von der Softmax-Funktion zum Überkreuzen von Entropiefehlern
Warum Deep Metric Learning basierend auf der Softmax-Funktion funktioniert
Deep Learning von Grund auf 1-3 Kapitel
Versuchen Sie es mit TensorFlow
Deep Learning Gaiden ~ GPU-Programmierung ~
<Kurs> Tiefes Lernen: Day2 CNN
Deep Learning Bilderkennung 1 Theorie
Deep Running 2 Tuning von Deep Learning
Deep Learning / LSTM Scratch Code
<Kurs> Tiefes Lernen: Tag 1 NN
Deep Kernel Learning mit Pyro
Versuchen Sie Deep Learning mit FPGA
Deep Learning für die Bildung von Verbindungen?
Einführung in Udacity Deep Learning Nanodegree
Themen> Deep Learning: Tag 3 RNN
Einführung in Deep Learning ~ Lernregeln ~
Tiefe Stärkung des Lernens 1 Einführung in die Stärkung des Lernens
Zura mit Softmax-Funktion implementiert
Tiefes Lernen der Verstärkung 2 Implementierung des Lernens der Verstärkung
Generiere Pokemon mit Deep Learning
Einführung in Deep Learning ~ Backpropagation ~
Deep Learning Model Lightening Library Distiller
Deep Learning / Deep Learning von Grund auf neu 2 Kapitel 4 Memo
Probieren Sie Deep Learning mit FPGA-Select-Gurken aus
Identifikation der Katzenrasse mit Deep Learning
Deep Learning / Deep Learning von Grund auf neu Kapitel 3 Memo
Machen Sie ASCII-Kunst mit tiefem Lernen
Deep Learning / Deep Learning von Null 2 Kapitel 5 Memo
Implementieren Sie Deep Learning / VAE (Variational Autoencoder)
Versuchen Sie es mit TensorFlow Part 2
Über das Projektmanagement von Deep Learning (DNN)
Einführung in Deep Learning ~ Codierungsvorbereitung ~
Organisation von Plattformen für maschinelles Lernen und tiefes Lernen
Deep Learning durch Implementierung 1 gelernt (Return Edition)
Deep Learning / Deep Learning von Null 2 Kapitel 7 Memo
Deep Learning / Deep Learning von Null 2 Kapitel 8 Memo
Microsoft Deep Learning Library "CNTK" Tutorial
Überprüfen Sie die Kniebeugenform mit tiefem Lernen
Deep Learning / Deep Learning von Grund auf neu Kapitel 4 Memo
Deep Strengthing Learning 3 Praktische Ausgabe: Block Breaking