TensorFlow实现Softmax

标签：分布   优化   bsp   总结   分类   如何   去掉   实现   类别   

我们先来理解理解Softmax：任意事件发生的概率都在 0 和 1 之间，且总有某一个事件发生 （概率的和为 1 ）。如果将分类问题中“ 一个样例属于某一个类别”看成一个概率事件，

那么训练数据的正确答案就符合一个概率分布。因为事件“一个样例属于不正确的类别”的概率为0,
而“ 一个样例属于正确的类别”的概率为 1。如何将神经网络前向传播得到的结果也变成
概率分布呢？ Softmax 回归就是一个非常常用的方法 。
Softmax 回归本身可以作为 一个学习算法来优化分类结果，但在TensorFlow中， softmax
回归的参数被去掉了，它只是一层额外的处理层，将神经网络的输出变成一个概率分布 。 总结：softmax就是把输出结果变成概率分布。

TensorFlow实现Softmax：result = tf.nn.softmax( tf.matmul(x,w)+b )，其中 tf.matmul(x,w)+b为神经网络的输出结果。

TensorFlow实现Softmax

标签：分布   优化   bsp   总结   分类   如何   去掉   实现   类别   

原文地址：https://www.cnblogs.com/Mydream6/p/11330909.html