通过Softmax回归,将logistic的预测二分类的概率的问题推广到了n分类的概率的问题。通过公式 
 
可以看出当月分类的个数变为2时,Softmax回归又退化为logistic回归问题。

下面的几行代码说明一下用法

# -*- coding: utf-8 -*-
import tensorflow as tfA = [1.0,2.0,3.0,4.0,5.0,6.0]with tf.Session() as sess:print sess.run(tf.nn.softmax(A))

输出

[ 0.00426978  0.01160646  0.03154963  0.08576079  0.23312201  0.63369131]

其中所有输出的和为1.

tf.nn.softmax相关推荐

  1. tf.nn.softmax参数详解以及作用

    tf.nn.softmax参数详解以及作用 参考地址:https://zhuanlan.zhihu.com/p/93054123 tf.nn.softmax(logits,axis=None,name ...

  2. 成功解决return tf.nn.softmax(x, axis=axis) TypeError: softmax() got an unexpected keyword argument 'axis

    成功解决return tf.nn.softmax(x, axis=axis) TypeError: softmax() got an unexpected keyword argument 'axis ...

  3. KLD Loss( tf.nn.softmax, torch.nn.functional.softmax, log_softmax, kl_div) 计算技巧(一)

    最近在比较不同模型的性能,发现虽然文献中使用的相同的指标,比如KLD.但是数据的处理方式却存在着差异,这会导致最后的数据并不具有直接可比性. 这里记录下,其中的一些值得记住的细节.主要涉及的API包括 ...

  4. 对tf.nn.softmax的理解

    Softmax的含义:Softmax简单的说就是把一个N*1的向量归一化为(0,1)之间的值,由于其中采用指数运算,使得向量中数值较大的量特征更加明显. 如图所示,在等号左边部分就是全连接层做的事. ...

  5. 深度学习中的tf.nn.softmax(logits, axis=1)以及tf.argmax(prob, axis=1)两个函数的参数以及用法

    参考了下面的两个链接: softmax: https://blog.csdn.net/q2519008/article/details/107086024?utm_medium=distribute. ...

  6. 深度学习原理与框架-CNN在文本分类的应用 1.tf.nn.embedding_lookup(根据索引数据从数据中取出数据) 2.saver.restore(加载sess参数)...

    1. tf.nn.embedding_lookup(W, X) W的维度为[len(vocabulary_list), 128], X的维度为[?, 8],组合后的维度为[?, 8, 128] 代码说 ...

  7. tf.nn.softmax_cross_entropy_with_logits()笔记及交叉熵

    交叉熵 交叉熵可在神经网络(机器学习)中作为损失函数,p表示真实标记的分布,q则为训练后的模型的预测标记分布,交叉熵损失函数可以衡量p与q的相似性.交叉熵作为损失函数还有一个好处是使用sigmoid函 ...

  8. 【TensorFlow】tf.nn.softmax_cross_entropy_with_logits的用法

    [TensorFlow]tf.nn.softmax_cross_entropy_with_logits的用法 from:https://blog.csdn.net/mao_xiao_feng/arti ...

  9. tf.nn.softmax_cross_entropy_with_logits 和 tf.contrib.legacy_seq2seq.sequence_loss_by_example 的联系与区别

    文章目录 0.函数介绍 1.区别联系 1.1 tf.nn.softmax_cross_entropy_with_logits 1.2 tf.nn.sparse_softmax_cross_entrop ...

最新文章

  1. 微型计算机系统外文,微型计算机控系统(单片机控制系统) 毕业论文外文翻译.doc...
  2. Myisamchk小工具使用手册
  3. PAT甲级1074 Reversing Linked List :[C++题解]反转链表,借用vector
  4. Angular应用带参数的路由实现
  5. SOCK_STREAM和SOCK_DGRAM两种类型的区别
  6. asp.net MVC 验证错误信息本地化
  7. case when then else end 用法
  8. 如何在延迟后触发一个块,比如-performSelector:withObject:afterDelay:?
  9. eclipse如何开发python
  10. 少和这种人在一起,不管你是谁!
  11. vb.net 功能f8键事件_UG软件F8快捷键和笔记本电脑F8快捷键冲突的解决方法
  12. 奥图码投影连接服务器没信号,奥图码投影机常见故障维修步骤
  13. 手机最强 Python 编程神器,Android、IOS 都可以!
  14. Aptos教程-参与官方激励测试网(AIT2 激励测试网)
  15. Attention机制原理
  16. Spring是什么意思?
  17. 辅材先生之打开传统向互联网+辅材这把锁
  18. Thinkphp开发无需挂机开源版本支付系统原码带云端ZFB和WX免输入金额跳转支付
  19. 学习记录--香水数据挖掘与分析
  20. 面试题:堆、栈、队列的区别以及使用场景

热门文章

  1. ppt flash倒计时器_PPT三大神器之iSlide插件
  2. stc单片机485发送多出一字节_单片机干货!STC8H案例制作分享(内含高清实物动图)...
  3. 云计算机内存不足怎么办,网易云音乐提示内存不足,电脑提示内存不足-
  4. groovy 字符串截取最后一个_Java基础篇——字符串详解
  5. php 登录记住密码,php 记住密码自动登录
  6. Github常用搜索指令(毕设资料搜索必备)
  7. Linux搜索无线网络命令,Linux操作系统的无线网络命令
  8. mysql语句使用_Mysql基本使用语句
  9. k2677场效应管参数引脚_共射极放大电路,场效应管放大电路,运算放大电路
  10. 微机原理实验1:字符串匹配程序实验