Machine Learning auf Microsoft Azure - Grundlagen

Softmax-Funktion

LinkedIn Learning kostenlos und unverbindlich testen!

Jetzt testen Alle Abonnements anzeigen
Dieses Video stellt die Softmax-Funktion zur Darstellung von Ausgabewerten als Wahrscheinlichkeiten anhand eines Beispiels vor.

Transkript

Sehen wir uns an, was die Softmax-Funktion eigentlich tut. Zuerst potenzieren wir die Werte aus unseren Output Layer, wobei wir die Eulersche Zahl als Basis verwenden. Und wir summieren all diese Werte. Das Ergebnis ist ungefähr 14962. Dann setzen wir den ersten Wert in unserem Beispiel 1,9 in unsere Formel ein. e hoch 1,9 dividiert durch 14962,2. Und das Ergebnis ist ungefähr 0,00045. Das ist unsere erste Wahrscheinlichkeit. Das Gleiche machen wir mit dem zweiten Wert und das Gleiche manchen wir mit allen anderen Werten. Am Ende haben wir unsere Werte aus dem Output Layer im Wahrscheinlichkeiten umgewandelt. Wir können diese Wahrscheinlichkeiten nur mit einem sogenannten Target-Vektor vergleichen. Der Target-Vektor ist jeder Vektor, der den gewünschten Output des Netz darstellen soll. In unserem Beispiel sollte das Netz die Ziffer 6 vorhersagen. Deswegen ist in einem one Hot encoded vektor an der Stelle 6 eine 1 geschrieben. Alle anderen Werte sind dagegen auf 0. Unser neuronales Netz wäre dann gut, wenn der Output-Vektor genau so aussieht, wie der Target-Vektor. Aber wie wir auch sehen, ist das überhaupt nicht der Fall. Die Wahrscheinlichkeiten hier Sund komplett anders. Eigentlich müsste ich hier dieser Wert viel höher sein und diese Werte hier, die müssten eigentlich viel niedriger, bei 0 sein. Das Ganze ist aber auch sehr logisch, denn unser neuronales Netz ist ja noch nicht trainiert. Wir haben nur zufällige Beispielwerte verwendet. Bevor wir uns jetzt näher mit dem Training befassen, stellt sich noch die Frage: "Wie können wir messen, wie weit unser ist-Wert, das ist unser Output-Vektor, vom soll-Wert, also unserem Target-Vektor abweicht. Und dazu ziehen wir eine loss function namens Cross entropy heran.

Machine Learning auf Microsoft Azure - Grundlagen

Entwickeln Sie ein eigenes Neuronales Netz auf der Cloud-Plattform von Microsoft.

2 Std. 43 min (55 Videos)
Derzeit sind keine Feedbacks vorhanden...

Dieser Online-Kurs ist als Download und als Streaming-Video verfügbar. Die gute Nachricht: Sie müssen sich nicht entscheiden - sobald Sie das Training erwerben, erhalten Sie Zugang zu beiden Optionen!

Der Download ermöglicht Ihnen die Offline-Nutzung des Trainings und bietet die Vorteile einer benutzerfreundlichen Abspielumgebung. Wenn Sie an verschiedenen Computern arbeiten, oder nicht den ganzen Kurs auf einmal herunterladen möchten, loggen Sie sich auf dieser Seite ein, um alle Videos des Trainings als Streaming-Video anzusehen.

Wir hoffen, dass Sie viel Freude und Erfolg mit diesem Video-Training haben werden. Falls Sie irgendwelche Fragen haben, zögern Sie nicht uns zu kontaktieren!