c++ softmax sigmoid

float sigmoid(float x)
{return (1 / (1 + exp(-x)));
}

float sigmoid_dy_dz(float x)
{return (x * (1.0 - x));
}

float tanh_dy_dz(float x)
{return (1.0 - x*x);
}

//对每一行进行softmax
void softmax(float *x, int row, int column)
{for (int j = 0; j < row; ++j){float max = 0.0;float sum = 0.0;for (int k = 0; k < column; ++k)if (max < x[k + j*column])max = x[k + j*column];for (int k = 0; k < column; ++k){x[k + j*column] = exp(x[k + j*column] - max);    // prevent data overflowsum += x[k + j*column];}for (int k = 0; k < column; ++k) x[k + j*column] /= sum;}
}   //row*column

下面是softmax：

这个可以：

https://blog.csdn.net/u013381011/article/details/82500805

//对每一行进行softmax
void softmax(float* x, int row, int column)
{for (int j = 0; j < row; ++j){float max = 0.0;float sum = 0.0;for (int k = 0; k < column; ++k)if (max < x[k + j * column])max = x[k + j * column];for (int k = 0; k < column; ++k){x[k + j * column] = exp(x[k + j * column] - max);    // prevent data overflowsum += x[k + j * column];}for (int k = 0; k < column; ++k) x[k + j * column] /= sum;}
}   //row*columnint main(){float a[] = { 0.1,0.2,0.3,0.4 ,-0.1};softmax(a,1,5);std::cout << "Hello World!\n";
}

softmax c++实现with opencv

  cv::Mat_<double> mat(3,3);mat(0,0)=VIRTUAL_FOCAL;mat(0,1)=0;mat(0,2)=roiSize_x/2;mat(1,0)=0;

int softmax(const cv::Mat & src, cv::Mat & dst)
{float max = 0.0;float sum = 0.0;max = *max_element(src.begin<float>(), src.end<float>());cv::exp((src - max), dst);sum = cv::sum(dst)[0];dst /= sum;return 0;
}

c++:

#include <iostream>
#include <vector>
#include <cmath>
#include <algorithm>
#include <numeric>double myfunction(double num) {return exp(num);
}template <typename T>
void softmax(const typename::std::vector<T> &v, typename::std::vector<T> &s){double sum=0.0;transform(v.begin(), v.end(), s.begin(), myfunction);sum=accumulate(s.begin(), s.end(), sum);for(size_t i=0; i<s.size(); ++i)s.at(i)/=sum;
}int main() {double a[]={1.0, 3.0, 2.0};std::vector<double> v_a(a, a+sizeof a/sizeof a[0]), v_b(v_a);std::vector<double>::const_iterator it=v_a.begin();for(; it!=v_a.end(); ++it) {std::cout<<*it<<" ";}std::cout<<std::endl;softmax(v_a, v_b);it=v_b.begin();for(; it!=v_b.end(); ++it) {std::cout<<*it<<" ";}std::cout<<std::endl;return 0;
}

c++ softmax sigmoid相关推荐

softmax sigmoid log softmax 辨析
原文链接: sigmoid和softmax总结_老哥的专栏-CSDN博客_sigmoid和softmax区别浅谈sigmoid函数和softmax函数_甘如荠-CSDN博客_sigmoid函数与so ...
【机器学习】Softmax和Sigmoid
如果你在开发一个音乐分类的应用,需要对k种类型的音乐进行识别,那么是选择使用 softmax 分类器呢,还是使用 logistic 回归算法建立 k 个独立的二元分类器呢? 这一选择取决于你的类别之间 ...
【神经网络】激活函数softmax，sigmoid，tanh，relu总结
激活函数使用原因如果不用激励函数,每一层输出都是上层输入的线性函数,无论神经网络有多少层,输出都是输入的线性组合. 如果使用的话,激活函数给神经元引入了非线性因素,使得神经网络可以任意逼近任何非线性 ...
整理Sigmoid~Dice常见激活函数，从原理到实现
本文首发于我的个人博客: 激活函数:https://fuhailin.github.io/activation-functions/ 并同步于我的公众号:赵大寳Note(ID:StateOfTheAr ...
【深度学习】Softmax 函数
Introduction Softmax函数,又称归一化指数函数 . 该函数是最流行的分类任务目标函数,也是 Sigmoid函数的一种推广.可转换为交叉熵误差 (CE) . Softmax ...
常见的神经网络求导总结！
↑↑↑关注后"星标"Datawhale每日干货 & 每月组队学习,不错过Datawhale干货作者:Criss,来源:机器学习与生成对抗网络 derivative of ...
TensorFlow之图结构与TensorBoard可视化
TensorFlow之图结构与TensorBoard可视化 1.1 什么是图结构图包含了一组tf.Operation代表的计算单元对象和tf.Tensor代表的计算单元之间流动的数据. 1.2 图相 ...
收藏 | 神经网络的 5 种常见求导，附详细的公式过程
来源:机器学习与生成对抗网络本文约1800字,建议阅读5分钟本文为你介绍5种常见求导的详细过程! 01 derivative of softmax 1.1 derivative of softma ...
神经网络的5种常见求导，附详细的公式过程
来源:机器学习与生成对抗网络本文约2000字,建议阅读5分钟本文为你介绍神经网络的5种常见求导方式. 01 derivative of softmax 1.1 derivative of soft ...

c++ softmax sigmoid

c++ softmax sigmoid相关推荐

最新文章

热门文章