Softmax
个人理解:在训练的时候,加上角度margin,把预测出来的值减小,往0那里挤压,离标注距离更大,减少训练得分,加大loss,增加训练收敛难度。
不明白的有个问题?减去m后,如果出现负数怎么办?
以下有的内容参考:
https://zhuanlan.zhihu.com/p/97475133
softmax是归一化指数函数。首先,它是一个归一化函数,因为它的分母是 ;再次,它是指数函数,因为有函数 。所以我们使用Softmax的作用有两点:
一. 将所有值的范围归纳到[0, 1]之间;
二. 通过指数函数可以扩大分布间的差异性,即达到“马太效应”——强者越强,弱者越弱。
softmax公式如下:
下图1是线性函数 yi=xiwj (红线)和Softmax函数
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)