摘要
本文给出 softmax 函数的定义, 并求解其在反向传播中的梯度
相关
配套代码, 请参考文章 :
Python 和 PyTorch 对比实现 softmax 及其反向传播
系列文章索引 :
https://blog.csdn.net/oBrightLamp/article/details/85067981
正文
1. 定义
softmax函数常用于多分类问题的输出层.
定义如下:
si=∑t=1kextexit=1∑kext=ex1+ex2+ex3+⋯+exki=1,2,3,⋯,k
编程实现softmax函数计算的时候, 因为存在指数运算 exi, 数值有可能非常大, 导致大数溢出.
一般在分式的分子和分母都乘以一个常数C, 变换成:
si=C∑t=1kextCexi=∑t=1kext+logCexi+logC=∑t=1kext−mexi−mm=−logC=max(xi)
C的值可自由选择, 不会影响计算结果. 这里 m 取 xi 的最大值, 将数据集的最大值偏移至0.
2. 梯度求导
考虑一个 softmax 变换:
x=(x1,x2,x3,⋯,xk)s=softmax(x)
求 s1 对 x1 的导数:
s1=∑t=1kextex1=sumex1sum=t=1∑kext=ex1+t=2∑kext∂x1∂sum=∂x1∂∑t=1kext=ex1∂x1∂s1=sum2ex1⋅sum−ex1⋅∂x1∂sum=sum2ex1⋅sum−ex1⋅ex1=s1−s12
分母中 x2 对 s1 的梯度也有影响, 求 s1 对 x2 的导数:
∂x2∂s1=sum20⋅sum−ex1⋅∂x2∂sum=sum2−ex1⋅ex2=−s1s2
同理可得:
∂xj∂si={−si2+si,−sisj,i=ji=j
展开可得 softmax 的梯度矩阵:
∇s(x)=⎝⎜⎜⎜⎛∂s1/∂x1∂s2/∂x1⋮∂sk/∂x1∂s1/∂x2∂s2/∂x2⋮∂sk/∂x2⋯⋯⋱⋯∂s1/∂xk∂s2/∂xk⋮∂sk/∂xk⎠⎟⎟⎟⎞=⎝⎜⎜⎜⎛−s1s1+s1−s2s1⋮−sks1−s1s2−s2s2+s2⋮−sks2⋯⋯⋱⋯−s1sk−s2sk⋮−sksk+sk⎠⎟⎟⎟⎞
这是一个雅可比矩阵 (Jacobian) 矩阵.
3. 反向传播
考虑一个输入向量 x, 经 softmax 函数归一化处理后得到向量 s, 往前 forward 传播得出误差值 error (标量 e ), 求 e 关于 x 的梯度.
x=(x1,x2,x3,⋯,xk)s=softmax(x)e=forward(s)
求解过程:
∇e(s)=(∂s1∂e,∂s2∂e,∂s3∂e,⋯,∂sk∂e)∂xi∂e=∂s1∂e∂xi∂s1+∂s2∂e∂xi∂s2+∂s3∂e∂xi∂s3+⋯+∂sk∂e∂xi∂sk
展开 ∂e/∂xi 可得 e 关于 X 的梯度向量 :
∇e(x)=(∂s1∂e,∂s2∂e,∂s3∂e,⋯,∂sk∂e)⎝⎜⎜⎜⎛∂s1/∂x1∂s2/∂x1⋮∂sk/∂x1∂s1/∂x2∂s2/∂x2⋮∂sk/∂x2⋯⋯⋱⋯∂s1/∂xk∂s2/∂xk⋮∂sk/∂xk⎠⎟⎟⎟⎞=∇e(s)⎝⎜⎜⎜⎛−s1s1+s1−s2s1⋮−sks1−s1s2−s2s2+s2⋮−sks2⋯⋯⋱⋯−s1sk−s2sk⋮−sksk+sk⎠⎟⎟⎟⎞
所有的 ∂e/∂si 值都是已知的, 即是上游 forward 反向传播回来的误差梯度, 因此 ∇e(s) 也是已知的.
4. 有趣的性质
4.1 相对误差
接上回例子, 观察到 softmax 的梯度矩阵中, 同一列的元素相加 :
t=1∑k∂xi∂st=1
若 e 对 s 的梯度向量中, 每一个元素都恒等于某个实数 a :
∂si∂e≡a
则
∇e(x)≡0
即, 若上游梯度均匀, 则不传递误差梯度.
4.2 收敛性质
若:
e=forward(x)=−i=1∑kyilog(si)∇e(s)=(−s1y1,−s2y2,⋯,−skyk)siyi≡a
这时就有 :
sjsi=yjyi
即 si 概率分布收敛至 yi 的等比例概率分布.
全文完.