caffe中五种层的实现与参数配置（4）------softmax层

原创于 2018-01-27 20:40:51 发布 · 1k 阅读

CC 4.0 BY-SA版权

19 篇文章

订阅专栏

本文介绍了Softmax回归模型作为Logistic回归在多分类问题上的推广应用，并详细解释了Softmax公式及其在网络最后一层的作用，用于分类和归一化。文中还探讨了两种不同的网络结构实现方式。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Softmax回归模型是logistic回归模型在多分类问题上的推广，在多分类问题中，待分类的类别数量大于2，且类别之间互斥。

Softmax公式：

通常情况下softmax会被用在网络中的最后一层，用来进行最后的分类和归一化。

通常有2种结构：

第一种

#可以计算给出每个样本对应的损失函数值
layer {
  name: "loss"
  type: "SoftmaxWithLoss"
  bottom: "ip2"
  bottom: "label"
  top: "loss"
}

第二种

#输出为每个类别的概率值
layers {
  name: "prob"
  type: “Softmax"
bottom: " ip2"
  top: "prob"
}