Softmax函式的公式是:
Softmax(x)i=exi∑j=1nexjSoftmax(x)i = \frac{e^{x_i}}{\sum_{j=1}^{n}e^{x_j}}Softmax(xi)=∑j=1nexjexi
其中,\(x\) 是一個向量,Softmax(\(x\)) 將每個元素的值轉化為一個介於 0 和 1 之間的實數,且所有元素的和為 1。這個函式常用於多分類問題的輸出層,將模型的原始輸出(通常是實數值)轉換為機率分布。
Softmax函式的公式是:
Softmax(x)i=exi∑j=1nexjSoftmax(x)i = \frac{e^{x_i}}{\sum_{j=1}^{n}e^{x_j}}Softmax(xi)=∑j=1nexjexi
其中,\(x\) 是一個向量,Softmax(\(x\)) 將每個元素的值轉化為一個介於 0 和 1 之間的實數,且所有元素的和為 1。這個函式常用於多分類問題的輸出層,將模型的原始輸出(通常是實數值)轉換為機率分布。