softmax

7Ciepło

2Odpowiedz

Jak zaimplementować pochodną Softmax niezależnie od funkcji straty?

Dla biblioteki sieci neuronowych zaimplementowałem kilka funkcji aktywacyjnych i funkcji strat oraz ich pochodne. Można je łączyć dowolnie, a pochodna na warstwach wyjściowych staje się po prostu prod

neural-network regression backpropagation derivative softmax 2015-11-05

---

5Ciepło

1Odpowiedz

semantyczny segmentacja z tensorflow - ValueError w funkcji straty (rzadki-Softmax)

Tak, pracuję na budynku w pełni splotowego sieci (FCN), w oparciu off Marvin Teichmann's tensorflow-fcn moich danych obrazu wejściowego, po raz bycie jest obrazem RGB o wymiarach 750x750x3. Po uruchom

python tensorflow image-segmentation softmax 2016-07-23

---

11Ciepło

3Odpowiedz

RuntimeWarning: nieprawidłowa wartość napotkanych w większym

starałem się wdrożyć soft-max z następującego kodu (out_vec jest numpy wektor pływaków): numerator = np.exp(out_vec) denominator = np.sum(np.exp(out_vec)) out_vec = numerator/denominator Jednak ma

python numpy softmax 2016-06-06

---

7Ciepło

2Odpowiedz

Pochodna wyjaśnienia funkcji softmax

Próbuję obliczyć pochodną funkcji aktywacji dla softmax. Znalazłem to: https://math.stackexchange.com/questions/945871/derivative-of-softmax-loss-function nikt nie wydaje właściwego wyprowadzenia dla

neural-network derivative calculus softmax 2016-06-13

---

10Ciepło

1Odpowiedz

CS231n: Jak obliczyć gradient dla funkcji utraty Softmax?

Oglądam kilka filmów wideo dla Stanford CS231: Convolutional Neural Networks for Visual Recognition, ale nie bardzo rozumiem, jak obliczyć gradient analityczny dla funkcji utraty softmax przy użyciu n

python numpy softmax 2017-01-15

---