1回答
根据我对神经网络的理解，我认为在输出层设置Softmax激活函数的目的是将输入信息转化为概率较高的标签的概率。所以我的第一个问题是- keras.layers.Den
浏览 0提问于2020-05-06得票数 0
回答已采纳
1回答
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？如果是这样的话，为什么Arcface和Softmax被称为损失函数？如果不是，我的困惑会从何而来？
浏览 5提问于2019-12-17得票数 2
2回答
我试图查找文档，但找不到任何有关torch.softmax的信息。torch.nn.Softmax、torch.nn.funtional.softmax、torch.softmax和torch.nn.functional.log_softmax有什么区别？
浏览 100提问于2021-09-17得票数 0
1回答
keras.layers.DepthwiseConv2D(128, strides=(1, 1), depth_multiplier=1, padding='same')(x)classifier = keras.activations.softmax
浏览 0提问于2019-05-27得票数 0
回答已采纳
我必须编写两个不同的函数(如下所示)，但我想将这两个函数合并为一个函数。有办法这样做吗？softmax_a_set()获取一个numpy数组的列表，将softmax()应用于每个单个numpy数组，然后返回处理后的numpy数组的列表。def softmax(a_vector): """compu
浏览 0提问于2016-03-21得票数 1
回答已采纳
我使用tf.softmax_cross_entropy_with逻辑作为成本函数。我从我的模型的输出层用未规范化的逻辑输入成本函数。函数应该输出规范化概率，还是我错了？在计算交叉熵前输入函数'softmaxes‘时，为什么输出是不归一化的？
浏览 0提问于2017-06-09得票数 0
回答已采纳
如果我将Softmax Activation设置为最后一层，则使用unet进行图像语义分割：conv9 = Conv2D(n_classes, (3,3), padding = 'same')(conv9)model = Model(inputs, conv10)...但是，如果我不为最后一层设置Softmax Activation，如下所示：conv9 = Conv2D(
浏览 0提问于2019-07-29得票数 17
回答已采纳
我试了两个班级的CNN模型，得到了80%，但当我尝试相同的模型与4类，我得到了非常坏的结果。请帮忙的原因是什么？我使用的CNN模型是：model.add(Activation('relu'))model.add(Activation('relu'))
model.add(Ma
浏览 5提问于2020-05-28得票数 0
回答已采纳
1回答
我使用的是tensorflow 1.5和keras 2.1.6。代码取自此tutorial，并重新编写以在1.5版上工作。这就是它： import tensorflow as tfimport matplotlib.pyplot as plt
class_name
浏览 24提问于2021-06-23得票数 0
回答已采纳
在测量CNN的准确性时，我明白我应该使用softmax层(预测标签)的输出来标记目标。但是，即使我将逻辑(根据我的理解，这是最后一个完全连接层的输出)与目标标签进行比较，我也获得了几乎相同的准确性。y_pred,1),tf.argmax(y,1)) 而y_pred是最终正常全连通层的输出，没有任何激活函数现在，如果我通过在y_pred上应用softmax激活来实现相同的精度(计算精度)，那么我们把它称为pred_softmax<
浏览 0提问于2018-05-24得票数 1
回答已采纳
1回答
我有一个NN，在softmax之前的最后一层输出中，我有17编号(每个患者的每个编号)。[ -528.2402 ]现在，这些数字的基本事实是：现在可以非常清楚地看到，softmax由于某些原因，softmax函数不能学习这样简单的东西，并且总是给出答案(在对输出执行"argmax“之后)。
[0 0 0 0 0 0 0 0 0 ...]现在，我唯一的问题是-为什么我的softmax</
浏览 0提问于2019-12-23得票数 0
1回答
我们知道，Softmax通常应用于具有e^{a}\over \sum e^{a}功能的多类标签。
我的问题是，像a^{2} \over \sum a^{2}这样的函数大多也能工作吗？
浏览 0提问于2021-08-05得票数 1
1回答
其想法是使用softmax最终层，但我是否需要分别构建每个列并连接？或者，是否可以在Keras中更简单地(例如，一行)完成这一任务？
浏览 2提问于2018-09-20得票数 0
回答已采纳
我正在尝试在python中实现Softmax交叉熵损失。因此，我正在研究GitHub Tensorflow存储库中Softmax交叉熵损失的实现。函数softmax_cross_entropy_with_logits_v2(labels, logits, axis=-1, name=None)返回函数softmax_cross_entropy_with_logits_v2_helper(labels=labels, logits=logits, axis=axis, name=name)
浏览 73提问于2020-05-02得票数 0
回答已采纳
activation=tf.nn.relu), 我想知道tf.nn.softmax在课程描述中有什么内容，但我不清楚。稠密:增加一层神经元
每一层神经元都需要一个激活函数来告诉他们该怎么做。有很多选择，但现在就用这些吧。Softmax采用了一组值，并有效地选择了最大的值，因此，例如，如果最后一层的输出看起来像[0.1, 0.1, 0.05, 0.1,
浏览 0提问于2019-05-07得票数 1
回答已采纳
我首先定义了一个softmax函数，我遵循这个问题Softmax function - python给出的解决方案。以下是我的代码： def softmax(A): Computes a softmax function. s = 0 s = e / np.sum(e, axis =0)
浏览 31提问于2017-11-19得票数 3
回答已采纳
model.add(MaxPooling1D(pool_size=2))model.add(Dense(10, activation='softmax
浏览 1提问于2020-06-29得票数 1
1回答
预测值：[ 1.00000000e+00 3.35827508e-08]
因为我m using the softmax in the final layer, isn't this supposed toI无法理解那些预测的数字，因为softmax应该对它们进行转换，但它们不是。self.tf.nn.softmax(self.tf.matmul(last_hidden_layer_activation, `output_layer_weights) + output_layer_biases
浏览 1提问于2018-01-18得票数 0
回答已采纳
1回答
我试图计算softmax函数的导数。我有一个2d numpy数组，我正在计算沿着轴1的数组的软最大值。同样，我的python代码是：现在，我计算softmax方程导数的python代码是： s=x.reshape(-1
浏览 0提问于2019-02-14得票数 1
我用带有CIFAR10数据集的自定义vgg模型训练了我的机器，并用相同数据集中的一些图像进行了测试。automobile : -18.719894cat : -3.8386667dog : 0.37765026horse : -7.4519434truck : -18.978928kind = ["a
浏览 24提问于2021-06-05得票数 0
云服务器
ICP备案
对象存储
云直播
实时音视频
腾讯云开发者
