अंकों से probabilities (softmax)
यह क्यों मायने रखता है एक अंक classifier 10 कच्चे अंकों पर ख़त्म होता है, हर अंक का एक। उन्हें "हर अंक कितना संभावित है" के रूप में पढ़ने के लिए, उन्हें धनात्मक और जोड़कर 1 होना होगा।
छोटी संख्याएँ
अंक [2, 1, 0]। उन्हें exp से धनात्मक बनाएँ: लगभग [7.39, 2.72, 1.00]। कुल, 11.11, से भाग दें: [0.665, 0.245, 0.090]। वे जोड़कर 1 हैं, वही क्रम रखते हैं, और ऊँचे अंक का मतलब हमेशा ऊँची probability है।
Softmax: हर अंक का exp, सारे exps के जोड़ से भाग दिया। Logits: अंदर जाने वाले कच्चे अंक।
एक जाल: हर अंक में वही संख्या जोड़ना कुछ नहीं बदलता (यह भाग में कट जाती है)। [1002, 1001, 1000] आज़माएँ: काग़ज़ पर [2, 1, 0] जैसा ही जवाब, पर एक computer पर exp(1002) overflow होता है। आप इसे gate में ठीक करेंगे।
सार exp, फिर कुल से भाग।
इस पाठ के शब्द और चिह्न
- softmax
- हर अंक का exp कुल से भाग दिया: अंक probabilities बनते हैं
एक 1D array के लिए softmax(z) लिखें (यहाँ सादा version ठीक है), और shift_invariant: इसे True पर सेट करें अगर हर अंक में वही संख्या जोड़ना output वैसा ही छोड़ता है, या False अगर उसे बदलता है।
इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें
यह अभ्यास जल्द खुलेगा
इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।
यह ब्राउज़र learn.floati.life के लिए कुकी रोक रहा है, इसलिए यहाँ पूरे किए गए पाठ क्रम से नहीं खुल सकते। इस साइट के लिए कुकी की अनुमति दें और फिर से लोड करें।