在第3页中，他们说p是使用softmax定义的 $p(D=1|w，c，\theta) = \frac{1}{1+e^{-v_c\dotv_w}}$ enter image description here但我很困惑，因为我在sigmoid函数中看到了这个公式，而不是softmax函数。你是如何从softmax得到这个定义的？
浏览 6提问于2020-07-01得票数 0
回答已采纳
一个采样的softmax函数就像一个规则的softmax函数，但是随机地选择一个给定数目的“负”样本。更多细节这里
我对两者都进行了测试，它们都给出了几乎相同的结果。但在文字嵌入文献中，他们总是
浏览 0提问于2019-03-28得票数 4
回答已采纳
对于我的snake AI，我使用了pytorch，它的结构是： def __init__(self): nn.ReLU(), nn.Sigmoid，这4个值应该是哪个决策的概率，其和应该等于1。这里的</e
浏览 2提问于2020-05-10得票数 0
回答已采纳
1回答
我正在开发一个实时推荐系统，使用深度学习技术(如广度和深度学习、深度和跨网络等)向用户预测产品。产品目录可以是巨大的(1000到100万)，对于给定的用户，模型需要对每一个产品进行实时评估。由于可伸缩性是一个重要的关注点，是否有任何方法可以通过调优模型架构来降低服务时间复杂度？
浏览 0提问于2021-01-09得票数 2
1回答
来自这篇文章：
因此，本文建议用负抽样代替softmax。有许多文章讨论带负抽样的跳过克。但我没有发现任何关于负抽样的CBOW (连续包字模型)模型。为何会这样呢？还是和斯基普克完全一样？请您对CBOW中使用</e
浏览 0提问于2023-02-12得票数 0
2回答
我正在尝试遵循tensorflow上的udacity教程，在那里我遇到了以下两行单词嵌入模型： # Compute the softmax loss, using a sampleloss = tf.reduce_mean(tf.nn.sampled_softmax_loss(softmax_weights, softmax</e
浏览 4提问于2016-06-07得票数 11
回答已采纳
2回答
损失从一开始就等于0
、、、
我正在尝试使用Tensorflow进行泰坦尼克号Kaggle比赛。我的预处理后的训练数据如下所示：010
softmax函数应该能够预测乘客是否幸免于难，因为它是二进制的</em
浏览 13提问于2017-08-18得票数 1
我想比较使用负采样和不使用负采样训练的单词嵌入。我用的是谷歌word2vec工具。我将参数设置为负=-1。我假设这意味着我们不使用负采样。但是，使用negative=25似乎比负数=-1慢，这让我想知道负数=-1真的意味着不使用负采样吗？
任何熟悉word2vec c++实现的人都可以帮助我？
浏览 0提问于2018-05-08得票数 0
1回答
使用Sigmoid训练的MNIST失败，而Softmax工作正常 我试图调查不同的激活是如何影响最终结果的，所以我用PyTorch实现了一个简单的MNIST网络。我使用NLLLoss (负对数似然)，因为它在与softmax一起使用时实现了交叉熵损失。 当我将softmax作为最后一层的激活时，它工作得很好。但当我使用s
浏览 34提问于2019-04-02得票数 1
回答已采纳
1回答
如何获得图像识别的概率
、、、、
我有个MNIST CNN从MNIST数据集中学习和训练网络，并为每个数字(0到9)提供10个概率的向量，总和为1(当然使用softmax )。我正在尝试改变一种方式，我将获得每个数字的10个概率，例如，选择的图像到b1的概率是0.23，所以它不是1的概率是0.67，(也是和1，但对于10位数字)。所以我需要的是10种不同的softmax激活，但我不知道怎么做。这是
浏览 0提问于2018-03-15得票数 1
我是机器学习的新手，我想我会从科拉斯开始。在这里，我将电影评论分类为三类(正为1，中性为0，负为-1)，使用二进制交叉熵。所以，当我试图用tensorflow估计来包装我的keras模型时，我得到了误差。tf.keras.layers.Flatten(), tf.keras.layers.Dense(2, activation = 'sigmoidm
浏览 3提问于2020-08-12得票数 2
回答已采纳
在使用神经网络进行分类时，有人说：
cost = tf.reduce_mean(tf.nn.softmax_cross_entr
浏览 0提问于2018-03-28得票数 2
回答已采纳
1回答
你好b = tf.Variable(tf.zeros([1])) # 1 x 1
h = tf.nn.softmaxcost = tf.reduce_sum(tf.add(tf.multiply(y_i,tf.log(
浏览 3提问于2017-04-15得票数 1
回答已采纳
1回答
在具有0/1输出标签的两类分类问题中，哪个函数适用于输出神经元？
我的答案是双曲正切神经元- tanh(.)但ans是不正确的，它是后勤乙状结肠神经元。那么为什么我们不能使用双曲正切神经元呢？
浏览 3提问于2018-03-01得票数 0
我刚刚开始使用Keras，并试图使用Keras深度学习工具包训练一个模型。一直工作到纪元运行，但在它之后崩溃。BatchNormalization()) model.add(Activation('softmax
浏览 0提问于2016-03-03得票数 2
1回答
我训练了一个模型来将图片分为两种不同的类型。一切都运行得很好，但我的模型只能做一个特定的预测(在我的例子中是1或0)，但我感兴趣的是一个更像概率的预测(例如90%1和10%0)。我的代码中现在应该修改的部分在哪里？是不是sigmoid函数最终决定了它是1还是0？帮帮忙就好了。提前谢谢。bias_regularizer=regularizers.l2(1e-4)))
model.ad
浏览 0提问于2020-11-08得票数 1
1回答
Gensim是Word2Vec的一个优化的python端口(参见)我将用gensim重新运行模型培训，因为他们的模型中有一些噪音标记。因此，我想找出word2vec在gensim中的一些等价参数是什么
>>> model = Wo
浏览 2提问于2015-04-29得票数 3
回答已采纳
4回答
在与对象检测和语义分割相关的深度学习实现中，我看到了使用sigmoid或softmax的输出层。我不是很清楚什么时候用哪种？在我看来，他们两个都可以支持这些任务。这个选择有什么指导原则吗？
浏览 57提问于2016-12-31得票数 10
回答已采纳
1回答
我无法在pytorch中对多标签分类使用损失函数这是我的损失函数： pred = torch.tensor(pred)我也在cross_entropy上尝试过：但是这个错误仍然出现，在pytorch中是否存在用于multi_label分类的内置损失
浏览 6提问于2021-09-24得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
