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。

猜你喜欢

转载自www.cnblogs.com/xh_chiang/p/9149559.html
tf