此函数对线性多分类和非线性多分类都适用。
先回忆一下二分类问题,在线性计算后,使用了Logistic函数计算样本的概率值,从而把样本分成了正负两类。那么对于多分类问题,应该使用什么方法来计算样本属于各个类别的概率值呢?又是如何作用到反向传播过程中的呢?我们这一节主要研究这个问题。
假设输入值是:[3, 1, -3],如果取max操作会变成:[1,0,0],这符合我们的分类需要。但是有两个不足:
- 分类结果是[1, 0, 0],只保留的非0即1的信息,没有各元素之间相差多少的信息,可以理解是“Hard-Max”
- max操作本身不可导,无法用在反向传播中。
所以Softmax加了个"soft"来模拟max的行为,但同时又保留了相对大小的信息。
上式中:
-
$$z_j$$ 是对第 j 项的分类原始值,即矩阵运算的结果 -
$$z_i$$ 是参与分类计算的每个类别的原始值 -
$$m$$ 是总的分类数 -
$$a_j$$ 是对第 j 项的计算结果
假设j=1,m=3,上式为:
用图7-5来形象地说明这个过程。
当输入的数据$$[z_1,z_2,z_3]$$是$$[3,1,-3]$$时,按照图示过程进行计算,可以得出输出的概率分布是$$[0.879,0.119,0.002]$$。
对比MAX运算和Softmax的不同,如表7-2所示。
表7-2 MAX运算和Softmax的不同
输入原始值 | (3, 1, -3) |
---|---|
MAX计算 | (1, 0, 0) |
Softmax计算 | (0.879, 0.119, 0.002) |
也就是说,在(至少)有三个类别时,通过使用Softmax公式计算它们的输出,比较相对大小后,得出该样本属于第一类,因为第一类的值为0.879,在三者中最大。注意这是对一个样本的计算得出的数值,而不是三个样本,亦即softmax给出了某个样本分别属于三个类别的概率。
它有两个特点:
- 三个类别的概率相加为1
- 每个类别的概率都大于0
我们仍假设网络输出的预测数据是z=[3, 1, -3],而标签值是y=[1, 0, 0]。在做反向传播时,根据前面的经验,我们会用z-y,得到:
这个信息很奇怪:
- 第一项是2,我们已经预测准确了此样本属于第一类,但是反向误差的值是2,即惩罚值是2
- 第二项是1,惩罚值是1,预测对了,仍有惩罚值
- 第三项是-3,惩罚值是-3,意为着奖励值是3,明明预测错误了却给了奖励
所以,如果不使用Softmax这种机制,会存在有个问题:
- z值和y值之间,即预测值和标签值之间不可比,比如z[0]=3与y[0]=1是不可比的
- z值中的三个元素之间虽然可比,但只能比大小,不能比差值,比如z[0]>z[1]>z[2],但3和1相差2,1和-3相差4,这些差值是无意义的
在使用Softmax之后,我们得到的值是a=[0.879, 0.119, 0.002],用a-y:
再来分析这个信息:
- 第一项-0.121是奖励给该类别0.121,因为它做对了,但是可以让这个概率值更大,最好是1
- 第二项0.119是惩罚,因为它试图给第二类0.119的概率,所以需要这个概率值更小,最好是0
- 第三项0.002是惩罚,因为它试图给第三类0.002的概率,所以需要这个概率值更小,最好是0
这个信息是完全正确的,可以用于反向传播。Softmax先做了归一化,把输出值归一到[0,1]之间,这样就可以与标签值的0或1去比较,并且知道惩罚或奖励的幅度。
从继承关系的角度来说,Softmax函数可以视作Logistic函数扩展,比如一个二分类问题:
是不是和Logistic函数形式非常像?其实Logistic函数也是给出了当前样本的一个概率值,只不过是依靠偏近0或偏近1来判断属于正类还是负类。
计算单样本时,m是分类数:
计算多样本时,m是分类数,n是样本数:
如图7-6示意。
我们先用实例化的方式来做反向传播公式的推导,然后再扩展到一般性上。假设有三个类别,则:
为了方便书写,我们令:
依次求解公式12中的各项:
把公式13~18组合到12中:
不失一般性,由公式19可得:
- Softmax函数自身的求导
由于Softmax涉及到求和,所以有两种情况:
- 求输出项$$a_1$$对输入项$$z_1$$的导数,此时:$$j=1, i=1, i=j$$,可以扩展到i, j为任意相等值
- 求输出项$$a_2或a_3$$对输入项$$z_1$$的导数,此时:$$j=2或3, i=1, i \neq j$$,可以扩展到i, j为任意不等值
Softmax函数的分子:因为是计算$$a_j$$,所以分子是$$e^{z_j}$$。
Softmax函数的分母:
-
$$i=j$$ 时(比如输出分类值a1对z1的求导),求$$a_j$$对$$z_i$$的导数,此时分子上的$$e^{z_j}$$要参与求导。:
-
$$i \neq j$$ 时(比如输出分类值a1对z2的求导,j=1, i=2),$$a_j$$对$$z_i$$的导数,分子上的$$z_j与i$$没有关系,求导为0,分母的求和项中$$e^{z_i}$$要参与求导。因为分子$$e^{z_j}$$对$$e^{z_i}$$求导的结果是0:
求和公式对$$e^{z_i}$$的导数$$(E)'$$,除了$$e^{z_i}$$项外,其它都是0:
所以:
2. 结合损失函数的整体反向传播公式
我们要求Loss值对Z1的偏导数。和以前的Logistic函数不同,那个函数是一个z对应一个a,所以反向关系也是一对一。而在这里,a1的计算是有z1,z2,z3参与的,a2的计算也是有z1,z2,z3参与的,即所有a的计算都与前一层的z有关,所以考虑反向时也会比较复杂。
先从Loss的公式看,$$loss=-(y_1lna_1+y_2lna_2+y_3lna_3)$$,a1肯定与z1有关,那么a2,a3是否与z1有关呢?
再从Softmax函数的形式来看:
无论是a1,a2,a3,都是与z1相关的,而不是一对一的关系,所以,想求Loss对Z1的偏导,必须把Loss->A1->Z1, Loss->A2->Z1,Loss->A3->Z1,这三条路的结果加起来。于是有了如下公式:
你可以假设上式中$$i=1,j=3$$,就完全符合我们的假设了,而且不失普遍性。
前面说过了,因为Softmax涉及到各项求和,A的分类结果和Y的标签值分类是否一致,所以需要分情况讨论:
因此,$$\frac{\partial{loss}}{\partial{z_i}}$$应该是$$i=j和i \neq j$$两种情况的和:
-
$$i = j$$ 时,$$loss$$通过$$a_1$$对$$z_1$$求导(或者是通过$$a_2$$对$$z_2$$求导):
-
$$i \neq j$$ ,$$loss$$通过$$a_2+a_3$$对$$z_1$$求导:
把两种情况加起来:
因为$$y_j$$是取值$$[1,0,0]$$或者$$[0,1,0]$$或者$$[0,0,1]$$的,这三者用$$\sum$$加起来,就是$$[1,1,1]$$,在矩阵乘法运算里乘以$$[1,1,1]$$相当于什么都不做,就等于原值。
我们惊奇地发现,最后的反向计算过程就是:$$a_i-y_i$$,假设当前样本的$$a_i=[0.879, 0.119, 0.002]$$,而$$y_i=[0, 1, 0]$$,则:
其含义是,样本预测第一类,但实际是第二类,所以给第一类0.879的惩罚值,给第二类0.881的奖励,给第三类0.002的惩罚,并反向传播给神经网络。
后面对$$z=wx+b$$的求导,与二分类一样,不再赘述。
第一种,直截了当按照公式写:
def Softmax1(x):
e_x = np.exp(x)
v = np.exp(x) / np.sum(e_x)
return v
这个可能会发生的问题是,当x很大时,np.exp(x)很容易溢出,因为是指数运算。所以,有了下面这种改进的代码:
def Softmax2(Z):
shift_Z = Z - np.max(Z)
exp_Z = np.exp(shift_Z)
A = exp_Z / np.sum(exp_Z)
return A
测试一下:
Z = np.array([3,0,-3])
print(Softmax1(Z))
print(Softmax2(Z))
两个实现方式的结果一致:
[0.95033021 0.04731416 0.00235563]
[0.95033021 0.04731416 0.00235563]
为什么一样呢?从代码上看差好多啊!我们来证明一下:
假设有3个值a,b,c,并且a在三个数中最大,则b所占的Softmax比重应该这样写:
如果减去最大值变成了a-a,b-a,c-a,则b'所占的Softmax比重应该这样写:
所以:
Softmax2的写法对一个一维的向量或者数组是没问题的,如果遇到Z是个$$M \times N$$维(M,N>1)的矩阵的话,就有问题了,因为np.sum(exp_Z)这个函数,会把MxN矩阵里的所有元素加在一起,得到一个标量值,而不是相关列元素加在一起。
所以应该这么写:
class Softmax(object):
def forward(self, z):
shift_z = z - np.max(z, axis=1, keepdims=True)
exp_z = np.exp(shift_z)
a = exp_z / np.sum(exp_z, axis=1, keepdims=True)
return a
axis=1这个参数非常重要,因为如果输入Z是单样本的预测值话,如果是分三类,则应该是个3x1的数组,如果:
$$z = [3, 1, -3]$$ $$a = [0.879, 0.119, 0.002]$$
但是,如果是批量训练,假设每次用两个样本,则:
if __name__ == '__main__':
z = np.array([[3,1,-3],[1,-3,3]]).reshape(2,3)
a = Softmax().forward(z)
print(a)
结果:
[[0.87887824 0.11894324 0.00217852]
[0.11894324 0.00217852 0.87887824]]
其中,a是包含两个样本的softmax结果,每个数组里面的三个数字相加为1。
如果s = np.sum(exp_z),不指定axis=1参数,则:
[[0.43943912 0.05947162 0.00108926]
[0.05947162 0.00108926 0.43943912]]
A虽然仍然包含两个样本,但是变成了两个样本所有的6个元素相加为1,这不是softmax的本意,softmax只计算一个样本(一行)中的数据。