Softmax: differenze tra le versioni
(Creata pagina con "Softmax, anche chiamata ''softargmax'' o ''funzione esponenziale normalizzata,'' è una Funzione di Attivazione che viene utilizzata dopo l'ultimo layer delle reti neurali per trasformare i logit in probabilità, nell'ambito di classificazione multiclasse (per la classificazione binaria si usa Sigmoide. senza_cornice|500x500px Un esempio in pytorch: x = torch.randn(1, 3, 224, 224) logits = m(x) logits...") |
Nessun oggetto della modifica |
||
| Riga 18: | Riga 18: | ||
>> tensor(<nowiki>[[0.0096, 0.0117, 0.9765, 0.0002, 0.0020]]</nowiki>, grad_fn=<SoftmaxBackward0>) | >> tensor(<nowiki>[[0.0096, 0.0117, 0.9765, 0.0002, 0.0020]]</nowiki>, grad_fn=<SoftmaxBackward0>) | ||
[Category:concetti] | |||
Versione delle 21:31, 9 mar 2024
Softmax, anche chiamata softargmax o funzione esponenziale normalizzata, è una Funzione di Attivazione che viene utilizzata dopo l'ultimo layer delle reti neurali per trasformare i logit in probabilità, nell'ambito di classificazione multiclasse (per la classificazione binaria si usa Sigmoide.
Un esempio in pytorch:
x = torch.randn(1, 3, 224, 224) logits = m(x) logits >> tensor([[-0.2135, -0.0248, 3.985, -4.235, -0.1831]], grad_fn=<AddmmBackward0>) scores = torch.softmax(logits) scores >> tensor([[0.0096, 0.0117, 0.9765, 0.0002, 0.0020]], grad_fn=<SoftmaxBackward0>)
[Category:concetti]