VNCoreMLFeatureValueObservation是否输出softmax概率？如果是这样，如何提取顶值？
VNCoreMLFeatureValueObservation是苹果公司的Core ML框架中的一个类，用于表示机器学习模型的输出结果。它通常用于图像分类、目标检测等任务中。
对于VNCoreMLFeatureValueObservation对象，是否输出softmax概率取决于所使用的机器学习模型。有些模型会在输出层应用softmax函数，将输出转化为概率分布，而有些模型则不会。
如果模型输出经过了softmax函数处理，可以通过以下步骤提取顶值：
- 获取VNCoreMLFeatureValueObservation对象的特征值（featureValue）属性。
- 通过特征值的multiArrayValue属性获取多维数组（MLMultiArray）。
- 遍历多维数组，找到最大值及其对应的索引。
- 根据索引获取对应的类别标签或其他相关信息。
需要注意的是，提取顶值的具体实现可能因使用的编程语言和框架而有所不同。在使用Core ML框架时，可以参考苹果官方文档和示例代码进行操作。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
- 腾讯云图像识别（https://cloud.tencent.com/product/ai_image）
- 腾讯云自然语言处理（https://cloud.tencent.com/product/nlp）
- 腾讯云音视频处理（https://cloud.tencent.com/product/mps）
- 腾讯云物联网平台（https://cloud.tencent.com/product/iotexplorer）
- 腾讯云移动开发平台（https://cloud.tencent.com/product/mpp）
- 腾讯云对象存储（https://cloud.tencent.com/product/cos）
- 腾讯云区块链服务（https://cloud.tencent.com/product/bcs）
- 腾讯云虚拟专用网络（https://cloud.tencent.com/product/vpc）
- 腾讯云安全产品（https://cloud.tencent.com/product/safety）
- 腾讯云数据库（https://cloud.tencent.com/product/cdb）
以上是腾讯云提供的一些与云计算相关的产品，可以根据具体需求选择适合的产品进行开发和部署。
相关·内容
在分类问题中，我们更喜欢使用tf.nn.softmax函数，因为该函数以概率形式给出输出，或者我们也可以实现tf.nn.softmax_cross_entropy_with_logits，该函数对模型的输出应用softmax激活函数。我想把我的数据分成两类。我遇到一个代码，他们在最后一层使用了tf.nn.sigmoid_cross_entropy_with_logits。我想知道我们可以在最后一层使用sigmoid作为激活函数吗？我们不是应该使用softmax吗？如果不应用softmax，我如何知道概率？因为在模型的末尾，当我们检查模型的准确性时，我们使用以下命令
tf.equal(tf.ar
浏览 0提问于2018-10-12得票数 1
问:图像有多个标签。给定一组带有标签的图像，如何调整softmax层？
我的想法：
将多个标签编码为0-1变量.以物流回归作为输出层。
在softmax输出中选择顶部的X标签。但我不知道
如何确定阈值。
如何在预先训练的网络中修改代码。比方说
{ "op"："null"，"param"：{}，"name"："softmax_label"，"backward_source_id"：-1 }，{ "op"："softmax"，"param"：{"
浏览 0提问于2016-02-25得票数 4
回答已采纳
我知道当使用nn.Softmax()作为损失函数时，不需要在神经网络的输出层使用nn.CrossEntropyLoss函数。
但是我需要这样做，是否有一种方法可以抑制在nn.CrossEntropyLoss中使用softmax，而在神经网络本身的输出层上使用nn.Softmax()呢？
动机：我使用shap软件包来分析特性之后的影响，在这里我只能将经过训练的模型作为输入。但是，输出没有任何意义，因为我看的是无界值，而不是概率值。
示例：而不是-69.36作为我的模型的一个类的输出值，我想要0到1之间的东西，所有类的总和最多为1。由于我不能改变它之后，输出需要像这样在培训期间。
浏览 0提问于2019-09-26得票数 2
回答已采纳
1回答
我在想，在多类(多个)分类神经网络中，softmax是否是必需的？我读到了一些堆叠溢出的话题，我看到人们说在最后一层有必要使用softmax，但我不确定它是否真的有必要？(这是讨论的链接！)据我所知，softmax所做的只是将输出缩放到0到1之间，和1，所以我不知道它如何影响整个网络和损失计算。谢谢你提前给我答案。
浏览 13提问于2022-04-23得票数 0
1回答
这是Keras模型的最后一层。
model.add(Dense(3, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
我知道，softmax层的输出是一个数组，其概率之和可达1，例如[0.1, 0.4, 0.5]。
我有一个关于把准确性作为度量的问题。
例如，当真正的类是[0, 0, 1]，而预测的概率是[0.1, 0.4, 0.5]时，即使0.5是最大的概率，
浏览 3提问于2020-07-25得票数 4
回答已采纳
我已经训练了一个基于经典MNIST数据集的CNN，我要做的是创建一个程序，加载保存的模型，获取图像(手写数字，不是数据集的一部分)，并可以预测写入的数字并将其输出。我发现自己被卡住了，试图让代码输出它是什么数字(0-9)的猜测。
我已经知道了如何在中输入单个图像，我到底要写什么来找出模型将图像归类为哪一个类？
谢谢
num_channels = 1
image_size = 28
pic_root = #insert file directory here
img=mpimg.imread(pic_root)
image = img.reshape(-1,image_size,image_s
浏览 0提问于2018-03-04得票数 0
我已经培训了一个具有以下结构的网络：
Intent_LSTM(
(attention): Attention()
(embedding): Embedding(34601, 400)
(lstm): LSTM(400, 512, num_layers=2, batch_first=True, dropout=0.5)
(dropout): Dropout(p=0.5, inplace=False)
(fc): Linear(in_features=512, out_features=3, bias=True)
)
现在我想测试这个经过训练的网络，并得到分类的置信度分数。下面是我当前测试函数的实
浏览 2提问于2020-01-10得票数 0
回答已采纳
我不熟悉深入学习，所以这可能是一个初学者的问题。据我理解，多层感知器中的softmax函数负责每个类的归一化和分布概率。如果是这样，我们为什么不使用简单的规范化呢？
比方说，我们得到一个向量x = (10 3 2 1)，应用softmax，输出是y = (0.9986 0.0009 0.0003 0.0001)。
应用简单的规范化(将每个元素除以sum(16))输出将是y = (0.625 0.1875 0.125 0.166)。
似乎简单的规范化也可以分配概率。那么，在输出层上使用softmax函数有什么好处呢？
浏览 7提问于2017-08-30得票数 3
回答已采纳
我有一个深入的学习分类问题与17个班，我在毕道尔工作。该体系结构包括一个线性层后实现的crossEntropy损失。
我相信，通常情况下，计算softmax激活并解释为对应输出类的可能性。但是softmax是一个单调函数，如果我只想要最可能的类，我可以简单地在线性层之后选择得分最大的类，而把softmax排除在外。
考虑到softmax是默认的，在分类问题中被广泛使用的激活，我想知道我在这里是否遗漏了一些重要的东西。有人能指引我吗？
请注意，我搜索了大量网站，但据我所知，没有人回答这个基本问题(尽管提供了大量信息)。
谢谢
浏览 0提问于2019-05-12得票数 3
回答已采纳
1回答
我有一个有监督的学习任务f(X)=y，其中X是二维np.array of np.int8，y是包含概率 (so数介于0到1之间)的一维np.float64阵列。我想要建立一个进行回归的神经网络模型，以便预测给定X的概率。
由于my的输出是一个实数(即输出层有一个神经元)，并且是一个概率(所以在0，1范围内)，我认为应该使用softmax作为输出层(即输出神经元)的激活函数，以便将网络的输出压缩到0，1。
由于这是一个回归任务，我选择使用mean_squared_error丢失(而不是通常用于分类任务的cross_entropy_loss，它通常与softmax配对)。
然而，当我试图拟合(X，
浏览 1提问于2020-09-15得票数 0
回答已采纳
我建立了一个基于图像的CNN模型--一级分类。输出张量是一个包含65个元素的列表。对Softmax函数进行张量输入，得到分类结果。我认为这个输出张量中的最大值是分类结果，为什么不用这种方法来完成分类任务呢？仅仅是Softmax函数就可以很容易地取到导数？
浏览 1提问于2018-06-22得票数 4
回答已采纳
1回答
我正在尝试使用softmax作为输出函数来训练一个多任务分类神经网络。 这个想法来自论文“超越炒作:深度神经网络优于使用ChEMBL生物活性基准集的既定方法”，其中作者描述了一个具有3个隐藏层(4000,2000,1000)和一个输出层的MT-NN，其节点数量与任务数量相同(即1227)。该数据集由针对不同蛋白质靶标和标签"1“和"0”测试的分子组成，将它们描述为活性/非活性。此外，一个分子可以被归类为在多个目标中具有活性。 在论文中，作者在输出层使用了一个自定义的softmax函数，它给出了每个节点/任务的独立概率，而不是产生一个和为1的概率向量o。这对我来说很奇怪，因为我
浏览 28提问于2019-05-28得票数 2
我用TensorFlow中的MNIST数据集训练了一个卷积神经网络。我从MNIST测试图像中计算每个图像的精度，并查找10个输出节点的值。我使用以下代码行来获取它(请参阅此处的所有代码：)：
pred=prediction.eval(feed_dict={ x: testSet[0], y: testSet[1]})
例如，这行代码的输出如下：
[[ -13423.92773438 -27312.79296875 20629.26367188 42987.953125
-34635.8203125 3714.84619141 -60946.6328125 106193.8828125
-209
浏览 8提问于2017-07-04得票数 0
作为“自然语言处理”领域的新手，我正在进行实验学习，并实现了以下代码段：
from transformers import RobertaTokenizer, RobertaForSequenceClassification
import torch
path = "D:/LM/rb/"
tokenizer = RobertaTokenizer.from_pretrained(path)
model = RobertaForSequenceClassification.from_pretrained(path)
inputs = tokenizer("
浏览 4提问于2020-12-09得票数 3
回答已采纳
我读了尼尔森的书，在第三章的这一部分，关于软件最大函数，他说，就在下面的节选之前，带有输出softmax层的神经网络的输出形成了概率分布，乙状结肠输出并不总是形成它。现在我一直在想关于一个神经网络的输出，如果我有一个乙状结肠输出层，比如说对于一个观察，0级的输出是0.7，那么1级的概率应该是0.3吗？或者，在这个二进制分类的例子中，使用softmax输出，在特定的观察中，第一个输出神经元的0级是0.7，1级是0.3？
浏览 0提问于2020-08-07得票数 1
回答已采纳
假设我想使用一个多层感知器来分类3个类。当涉及输出神经元的数量时，任何人都会立即说-使用3个具有softmax激活的输出神经元。但是，如果我使用两个乙状结肠激活的输出神经元输出0,0给1级，0,1级和1,0级呢？基本上得到一个二进制编码输出，每一个比特由每个输出神经元输出。这种技术会不会大大减少输出神经元(因此会减少参数的数量)？一个简单的NLP应用程序的100类单词分类将需要100个输出神经元的softmax，因为你可以用上面的技术用7个输出神经元来覆盖它。一个缺点是你不能得到所有课程的概率分数。我的问题是，这种做法正确吗？如果是这样的话，您会认为它比对大量类的数据集进行软处理更有效吗？
浏览 0提问于2018-02-06得票数 0
回答已采纳
5回答
大多数用于分类任务的神经网络示例都使用softmax层作为输出激活函数。通常，其他隐藏单元使用sigmoid、tanh或ReLu函数作为激活函数。据我所知，使用softmax函数也可以计算出数学上的结果。
不使用softmax函数作为隐层激活函数的理论依据是什么？
有没有关于这方面的出版物，有什么可引用的吗？
浏览 4提问于2016-06-02得票数 19
回答已采纳
1回答
假设我有一个输入x的神经网络输出向量{ y1，y2，…，i }，其中输出的第一元素表示x被分类为I类的概率，并且我知道x的正确分类，它是用向量y={ 0，0，…，1，…，0}表示的，它由零填充，在j-位置包含1，代表x应该被分类为j类。
如何衡量神经网络是否有正确的分类输入？我是否从输出向量中选择最高的概率，并确定这种分类是否与正确的分类相同？或者，我是否将所有输出概率转换为最接近的整数值，并将新向量与向量y进行比较(如果存在一些不匹配，我会假设网络无法正确地分类输入)？我应该如何计算网络的准确性？准确性=正确的分类/所有分类？
浏览 0提问于2017-04-05得票数 1
回答已采纳
如果我有两个标签(1和0)，并且在我通过softmax激活层传递我的logits之后，我得到类似于：
[[0.1, 0.9],
[0.3, 0.7],
[0.333, 0.667]]
作为预测输出，我的标签只有1或0，这是否总是导致低精度？意思是说，如果我有更多的类，我的softmax层是否会为每个类提供接近1或0的值，从而使我获得更高的准确率分数？
此外，如果我想使用准确性作为我的度量标准，有没有办法将我的概率调整为0或1？这可以通过在TensorFlow中应用一个掩码来实现吗?每当概率达到0.5或更高时，该掩码就会输出布尔值。
浏览 1提问于2017-02-07得票数 2
回答已采纳
1回答
我想训练一个多类别的分类器，用Pytorch。
下面的演示了如何在最后一层类型nn.Linear(84, 10)之后使用nn.CrossEntropyLoss()。
然而，我记得这就是Softmax所做的。
这让我很困惑。
如何以最好的方式训练“标准”分类网络？
如果网络有一个最终的线性层，如何推断每个类的概率？
如果网络有最终的softmax层，如何训练网络(哪种损失，以及如何)？
我在Pytorch论坛上找到了，它很可能回答了所有这些问题，但是我无法将它编译成工作的、可读的Pytorch代码。
我的假设答案是：
就像。
线性层输出的指数，这实际上是逻辑(日
浏览 2提问于2020-12-22得票数 3
回答已采纳
1回答
我是PyTorch的新手。为了训练多类分类器，我尝试了下面的网络架构。我在输出层使用Softmax和交叉熵作为损失函数。然而，输出看起来并不像概率。例如，其中一个输出看起来像这个2.0032e-10，1.798e-8，…1.0000e+0，…2.112e-4。我的问题是，当它们的和必须等于1‘类网(nn.Module)时，它们中的一个怎么可能是1：
def __init__(self):
super(Net, self).__init__()
# 13 features in input layer
self.fc1 = nn.Linear(13, 512)
s
浏览 0提问于2019-11-14得票数 -1
回答已采纳
1回答
人工神经网络激活函数与梯度
、、、、
我有个问题。我看了一个关于在C++中实现人工神经网络的非常详细的教程。现在，我对神经网络是如何工作的，以及如何进行编程和训练，有了更多的基本理解。
因此，在本教程中，双曲正切用于计算输出，显然它的导数用于计算梯度。然而，我想转到另一个不同的功能。特别是漏(以避免死亡神经元)。
我的问题是，它指定这个激活函数应该仅用于隐藏层。对于输出层，应该使用不同的函数( softmax或线性回归函数)。在教程中，这个家伙教神经网络是一个异或处理器。这是分类问题还是回归问题？
我试着用谷歌搜索这两种处理器之间的区别，但我不能完全理解XOR处理器的分类。这是分类问题还是回归问题？因此，我实现了layer函数及其
浏览 1提问于2017-10-07得票数 1
回答已采纳
在分类神经网络的输出层中，softmax函数的哪些特性使其成为最受欢迎的激活函数？
浏览 0提问于2018-08-23得票数 1
回答已采纳
1回答
我读过的文章很少有人说没有必要没有。输出层中的单位= no。为什么有些人说他们应该是平等的。
我的问题是
如果没有。神经元= no。在课堂上。如何将类映射到输出层中的每个神经元/单元。详细说明神经网络是如何决定哪个神经元/单元处理哪个类的。
在使用tensorflow训练神经网络后，使用输出层和no中的softmax对多类分类问题进行训练。输出层中的单位= no。在课堂上。当我在测试样本上使用这个经过训练的网络时，输出是每个类的概率数组。如何将数组的第一个元素表示哪个类。
如果没有。单位不等于不。对于多类问题，某些类可以共享这样一个示例的链接。
浏览 0提问于2020-07-19得票数 0
1回答
如何才能在word2vec中使用softmax？我的意思是，softmax输出所有类的概率，这些类之和为1，例如[0, 0.1, 0.8, 0.1]。但是如果我的标签是，例如[0, 1, 0, 1, 0] (多个正确的类)，那么softmax不可能输出正确的值？
我应该用softmax代替吗？还是我漏掉了什么？
浏览 0提问于2017-12-14得票数 2
回答已采纳
我尝试手动重新计算这个函数的输出，所以我创建了一个最小的示例：
logits = tf.pack(np.array([[[[0,1,2]]]],dtype=np.float32)) # img of shape (1, 1, 1, 3)
labels = tf.pack(np.array([[[1]]],dtype=np.int32)) # gt of shape (1, 1, 1)
softmaxCrossEntropie = tf.nn.sparse_softmax_cross_entropy_with_logits(logits,labels)
softmaxCrossEntropie
浏览 0提问于2017-04-13得票数 12
回答已采纳
1回答
据我所知，简单的word2vec方法使用两个矩阵，如下所示:假设语料库由N个单词组成。维度为NxF的加权输入矩阵(WI) (F为特征数)。维度为FxN的加权输出矩阵(WO)。我们将一个热向量1xN与WI相乘，得到神经元1xF。然后我们将神经元与WO相乘，得到输出向量1xN。我们应用softmax函数并选择向量中最高的条目(概率)。问:在使用分层Softmax模型时，如何说明这一点？什么将与哪个矩阵相乘，以获得将导致向左分支或向右分支的二维向量？附注:我确实理解使用二叉树的分层Softmax模型的思想，但我不知道乘法是如何在数学上完成的。
谢谢
浏览 0提问于2017-10-02得票数 3
1回答
对于标题中的问题的答案是非常明显的，因为它通常被称为"ArcFace丢失“。
然而，有一部分让我感到困惑：
我正在阅读Arcface的以下Keras实现：
在其中，请注意，model.compile行仍然指定loss='categorical_crossentropy'。
此外，我还看到了许多将Softmax称为损失函数的来源，而我以前所理解的是许多分类神经网络输出层的激活函数。
基于这两个混淆点，我目前的理解是，丢失函数，即网络实际上是如何计算给定示例表示“错误程度”的数目的，而不管是交叉熵。ArcFace，和Softmax一样，是输出层的激活函数。
这是对的吗？如
浏览 5提问于2019-12-17得票数 2
目前，我正在将我的二进制分类模型转换为多类分类模型。和我一起裸露..。我非常熟悉火把和机器学习。
我在这里陈述的大部分内容，我从下面的视频中都知道。
我所读/知道的是，CrossEntropyLoss已经实现了Softmax函数，因此我的输出层是线性的。
然后我读到/看到的是，我只需选择模型输出的torch.max()来选择我的模型预测(它来自我的上一个线性输出)。这感觉很奇怪，因为我有一些负输出，我认为我需要首先应用SOftmax函数，但是没有它，它似乎工作得很好。
所以，我有一个令人困惑的问题，那就是，我什么时候才能使用Softmax函数？只有当我的损失没有实现时，
浏览 9提问于2021-12-10得票数 1
我希望从tf.nn.softmax()的输出中获得设置为1的最大索引(2个或更多)。给定tf.nn.softmax的输出为[0.1, 0.4, 0.2, 0.1, 0.8]，我希望得到类似于[0,1,0,0,1]的内容，因为这些索引有最大的数量(在本例中，我只选择了最大的2)。
浏览 0提问于2018-06-21得票数 0
回答已采纳
1回答
我正在尝试理解XGBoost中的多类分类是如何工作的。我已经读过陈和格斯特林的论文(2016，https://arxiv.org/abs/1603.02754)，但我仍然不清楚细节： 假设我想为一个3类分类任务生成一个概率分类器。如果我理解正确的话，XGBoost将回归树拟合为“弱学习者”或boosting模型的组成部分。因此，如果将一个新的预测向量传递给XGB模型，回归树将产生一个实际值，即“预测”，其(加权)组合是增强模型预测。 从this question和论文中的文档中，我推测softmax激活函数被应用于增强的模型预测(实值？)，并且在将softmax应用于模型输出之后，通过优化交
浏览 18提问于2020-01-16得票数 1
回答已采纳
1回答
分数-输出层包含模型为当前样本生成的类分数，并通过softmax层传递，以概率向量的形式获得最终输出。
我的问题是，与来自数据集的其他样本相比，这些分数是否具有全局意义？
在我看来，标准的分类模型是根据softmax层的输出来训练的，所以这个模型只关心每个样本中的相对分数。因此，它没有降低样本整体分数的机制-- 101,102,103的分数向量得到与1,2,3相同的处理。我的理解正确吗？
浏览 0提问于2019-05-20得票数 1
2回答
TF默认用于将输入图像分类为某个类的阈值是多少？
例如，假设我有3个类( 0、1、2 )，图像的标签是一个热编码，如下所示：[1, 0, 0]，这意味着该图像有0类的标签。
现在，当一个模型在softmax之后输出一个预测，像这样：[0.39, 0.56, 0.05]使用TF作为阈值，那么它预测的类是1类吗？
如果所有的预测都低于0.5，像[0.33, 0.33, 0.33]，TF会说结果是什么？
是否有任何方法来指定一个新的阈值，例如0.7，并确保TF说，如果没有类预测超过该阈值，那么预测是错误的？
同样，这种逻辑也会延续到推理阶段吗?如果网络对类不确定，那么它将拒绝对图像进行分类。
浏览 4提问于2020-06-15得票数 5
回答已采纳
1回答
语义分段的概率映射
、、、、
关于语义分割，在我看来，最终的像素级标记有多种方法，例如
softmax、sigmoid、logistic回归等经典分类方法。
然而，对于softmax方法，我们需要确保由网络架构产生的输出映射有多个通道。通道数量与类数相匹配。例如，如果我们谈论两类问题，面具和非面具，那么我们将使用两个渠道。是这样的吗？
此外，输出映射中的每个信道都可以被视为给定类的概率映射。这种理解对吗？
浏览 4提问于2016-11-16得票数 1
回答已采纳
1回答
观察嵌入层的输出有和没有丢失显示，数组中的值被替换为0。，但伴随着这一点，为什么数组的其他值会改变呢?
以下是我的模型：-
input = Input(shape=(23,))
model = Embedding(input_dim=n_words, output_dim=23, input_length=23)(input)
model = Dropout(0.2)(model)
model = Bidirectional(LSTM(units=LSTM_N, return_sequences=True, recurrent_dropout=0.1))(model)
out = TimeD
浏览 2提问于2020-05-18得票数 1
回答已采纳
on language模型允许计算句子的概率：
probabilities = tf.nn.softmax(logits)
在下面的评论中，它还指定了一种预测下一个单词的方法，而不是概率，但没有指定如何做到这一点。那么如何使用这个例子输出一个单词而不是概率呢？
lstm = rnn_cell.BasicLSTMCell(lstm_size)
# Initial state of the LSTM memory.
state = tf.zeros([batch_size, lstm.state_size])
loss = 0.0
for current_batch_of_words in w
浏览 1提问于2015-11-18得票数 12
1回答
Keras中二进制分类的输出层
、、、、
我需要将图像分为癌症图像和非癌症图像。 为此，我构建了一个经典的CNN，但我在使用以下两列向量标记我的数据集时犹豫不决： cancerous: [0, 1]
not cancerous: [1, 0] 并使用具有2个输出神经元的softmax激活函数。 model.add(Dense(2, activation='softmax')) 或 cancerous: [1]
not cancerous: [0] 以及使用具有一个输出神经元的sigmoid激活函数。 model.add(Dense(1, activation='sigmoid')) 如果我需要使用癌症
浏览 14提问于2020-04-08得票数 3
回答已采纳
2回答
当输出(预测)是来自一个Softmax函数的概率，而训练目标是一个热点类型时，如何比较这两种不同的数据来计算精度？
(正确分类的培训数据数目)/(培训数据总数) *100%
浏览 3提问于2020-02-25得票数 1
回答已采纳
1回答
拥抱面分类与预测
、、、
我正在微调长时间器，然后使用TextClassificationPipeline和model(**inputs)方法进行预测。我不知道为什么我会得到不同的结果
import pandas as pd
import datasets
from transformers import LongformerTokenizerFast, LongformerForSequenceClassification, Trainer, TrainingArguments, LongformerConfig
import torch.nn as nn
import torch
from torch.utils.
浏览 9提问于2022-04-05得票数 1
回答已采纳
2回答
我一直在做一个图像分割项目，在那里我创建了一个卷积自动编码器。我看到了这个映像，并使用Keras实现了它。
📷
在输出层，作者使用了softmax激活函数。不是应该是ReLU吗？
在我看来，这似乎是一个回归问题，我们需要预测分割后的图像像素的连续值。如果是这样的话，为什么我们要使用softmax函数而不是ReLU或线性函数？
浏览 0提问于2019-06-15得票数 2
回答已采纳
3回答
概率的非互斥分类和
、、、、
因此，我有以下问题:我意识到(在写我的硕士论文)我仍然不确定/有一些机器学习原理的模糊描述。我已经问了一个关于可以找到这里的定义的问题。
现在我遇到了另一个定义问题。以下是我的论文摘录(特别是关于神经网络分类)：
如果这些类是相互排斥的(例如，如果一个样本$x^{j} = C_{0}$，$x^{j} \neq C_{i}\setminus~C_{0}$ )，则所有类的概率加起来等于一个，例如begin{等式}P(x^j}=C_{I})= 1。在这种情况下，最好的做法是对输出神经元使用一个softmax激活函数。如果这些类不是互斥的，则只需使用sigmoid输出激活函数就足够了，因为sigmoi
浏览 0提问于2018-08-23得票数 1
1回答
我有一个类似于[0.222, 0.34342, 0.41324, 0.1231, ...]的theano张量向量，它是以下函数的输出：
next_probs = tensor.nnet.softmax(logit)
logit是一个与next_probs具有相同维度的向量。
如何在next_probs向量中将一个特定值更改为1，并将其他值更改为0？
浏览 3提问于2017-02-17得票数 0
回答已采纳
2回答
我正在使用VGG16模型，并根据我的数据对它们进行了微调。我预测图像(面部)的种族.i有5个输出类，如白色，黑色，亚洲，次大陆和其他。我应该使用softmax还是sigmoid。为什么？?
浏览 1提问于2019-11-14得票数 0
2回答
变压器模型如何计算自我注意力？
、、、、
在变压器模型中，存在自我注意，这是使用softmax对Query (Q)和Key (K)向量进行计算的：
我正在尝试理解矩阵乘法：
Q = batch_size x seq_length x embed_size
K = batch_size x seq_length x embed_size
QK^T = batch_size x seq_length x seq_length
Softmax QK^T = Softmax (batch_size x seq_length x seq_length)
由于每个批次元素都有seq_length x seq_length值，如何计算soft
浏览 9提问于2020-05-13得票数 1
我的理解是，Softmax回归是Logistic回归的推广，它支持多个类。
Softmax回归模型首先计算每个类别的分数，然后应用softmax函数对每个类别的分数进行概率估计。
每个类都有自己的专用参数向量。
我的问题:，为什么我们不能用Logistic回归对多个类进行更简单的分类，比如如果概率是0到0.3，那么A类，0.3到0.6，然后B类: 0.6到0.9，然后是C类等等。
为什么总是需要分离系数向量？
我对ML很陌生。不确定这个问题是否是由于缺乏任何基本概念的理解。
浏览 4提问于2017-10-12得票数 1
回答已采纳
1回答
我在寻找Karger算法的实现，并找到了
//Find, and Union are the use of Disjoint set union on the nodes.
MinCut(edges, V, E):
vertices=V
While(vertices > 2):
i=Random integer in the range [0,E-1]
set_1=find(edges[i].u)
set_2=find(edges[i].v)
if(set_1 != set_2):
浏览 11提问于2022-09-21得票数 1
我正在检查这个官方的TensorFlow教程在葡文-英文翻译的变压器模型上。
我很惊讶在创建转换器时，它们的最终输出是一个线性激活的密集层，而不是Softmax。为什么是这种情况？在最初的论文注意是你所需要的中，图像非常清晰，在末尾有一个Softmax层(图1，第3页)。
当您的任务涉及构建语言模型，而您的损失是基于稀疏的分类交叉熵时，您如何证明这种差异？
浏览 0提问于2020-11-22得票数 0
回答已采纳
在TensorFlow2.0中，有一个名为 tf.keras.losses.sparse_categorical_crossentropy(labels, targets, from_logits = False) 请问设置from_logits = True或False有何不同？我的猜测是，当传入的值是logit时，设置from_logits = True，如果传入的值是概率(由softmax等输出)。然后，您只需设置from_logits = False (这是一个默认设置)。 但是为什么呢？损失只是一些计算。为什么它需要根据传入的值有所不同？我还在谷歌的tensorflow教程http
浏览 333提问于2019-03-22得票数 12
回答已采纳
我们是否应该将输入转换为热向量，并期望一个热向量作为输出？我的意思是，我们能用像x=12，-234，54，78，12 6这样的向量来填充LSTM，并且有这样的标签向量: y=13、-230、50、80、9、7吗？(我们根本不使用单一热向量)。这样的网络能正常运作吗？还是将输入/输出转换为单热向量更好，这就是LSTM的本质？
如果用一个热向量给LSTM喂食不是必要的规则，而且在我前面的问题中，我们喜欢用这样的向量来给我们的网络提供信息，那么我们是否应该再次使用softmax()函数来输出？或者我们可以使用更好的选项来解决这类问题(甚至不使用任何函数)？如果我们必须(或更好)使用softmax，我
浏览 0提问于2019-02-19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
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
