TF-logtis模型

logtis模型:

logits: 一个事件发生与该事件不发生的比值的对数。假设一个事件发生的概率为 p,那么该事件的 logits 为 \text{logit}(p) = \log\frac{p}{1-p} .

现在来看一下这个式子和 softmax 有啥关系。在 dl 中,softmax 层会对输入进行归一化处理以得到概率分布:如下面式子所述 p(i) = \frac{e^{a_i}}{\sum_{j=0}^C e^{a_j}}

a_0, a_1, ...a_C 就是 tensorflow 所称的 logits, 一通就计算发现 \log\frac{p(i)}{1-p(i)} \ne a_i . 所以 tensorflow 中 logit 代表的意思 并不是 logit 的数学含义。 当成 未归一化的概率 就好。

转载于:https://www.cnblogs.com/xh_chiang/p/9149559.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值