что делать с tenorflow.nn.softmax

Question

Я слежу за курсом tenraflow и не могу понять приведенный ниже код. Вы можете объяснить это, используя простой английский, пожалуйста ...

вот код

model = tf.keras.models.Sequential([tf.keras.layers.Flatten(), 
                                tf.keras.layers.Dense(128, activation=tf.nn.relu), 
                                tf.keras.layers.Dense(10, activation=tf.nn.softmax)])

Я хочу знать, что делатьtf.nn.softmax в описании курса имеет описание ниже, но оно мне не понятно.

Последовательный: Это определяет ПОСЛЕДОВАТЕЛЬНОСТЬ слоев в нейронной сети

Сглаживание: Помните ранее, где нашизображения были квадратными, когда вы их распечатывали?Flatten просто берет этот квадрат и превращает его в одномерный набор.

Плотный: добавляет слой нейронов

Каждый слой нейронов нуждается в функции активации, чтобы сказать им, что делать.Есть много опций, но просто используйте их сейчас.

Relu эффективно означает "Если X> 0 возвращает X, иначе возвращает 0" - так, что он делает, он только передает значения0 или больше для следующего слоя в сети.

Softmax принимает набор значений и эффективно выбирает самое большое, поэтому, например, если выход последнего слоя выглядит как [0.1, 0.1, 0.05, 0.1, 9.5, 0.1, 0.05, 0.05, 0.05], онспасает вас от рыбной ловли в поисках наибольшего значения и превращает его в [0,0,0,0,1,0,0,0,0] - цель состоит в том, чтобы сэкономить много кода!

Answer 1

Вот документы: https://www.tensorflow.org/api_docs/python/tf/nn/softmax

В основном, softmax хорош для классификации.Он возьмет любое число и отобразит его на выходе 0 или 1 (например), потому что мы говорим, что если Softmax (X) <0.5, тогда установить его равным нулю, а если Softmax (X)> = 0.5, то установить его равным1. 1. 1004 *

Посмотрите здесь эту статью, в которой также описаны функции сигмовидной и софтмакс.Графики важны.Также поиск картинок Google даст некоторые графики функции.

http://dataaspirant.com/2017/03/07/difference-between-softmax-function-and-sigmoid-function/