質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.80%

ゼロから作るDeep Learningに出てくるsoftmax関数の違いについて

解決済

回答 1

投稿

  • 評価
  • クリップ 1
  • VIEW 555

arukana-1

score 10

疑問点

私は現在オライリージャパンの「ゼロから作るDeep Learning」を勉強しています。
その中で引っ掛かったことがありました。それは

・この本に書かれているソフトマックス関数のコード
・Githubにある本書付属のソフトマックス関数のサンプルコード
上記の二つが違ったことです。

どのような動作の違いがあるのか、はたまた同一のものなのか。
教えて頂ければ幸いです。
よろしくお願いいたします。

ソースコード

  • 本に書かれているソフトマックス関数
    (「ゼロから作るDeep Learning」,P69~70)
def softmax(a):
    c = np.max(a)
    exp_a = np.exp(a - c)  #  オーバーフロー対策
    sum_exp_a = np.sum(exp_a)
    y = exp_a / sum_exp_a
    return y
def softmax(x):
    if x.ndim == 2:
        x = x.T
        x = x - np.max(x, axis=0)
        y = np.exp(x) / np.sum(np.exp(x), axis=0)
        return y.T 

    x = x - np.max(x) # オーバーフロー対策
    return np.exp(x) / np.sum(np.exp(x))
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

+1

if x.ndim == 2:のブロックを無視すれば、同じことをやっていませんか。


仮に代入してみると、
その一

    y = exp_a / sum_exp_a
    return y


    return exp_a / sum_exp_a


その二

    exp_a = np.exp(a - c)  #  オーバーフロー対策
    sum_exp_a = np.sum(exp_a)
    return return exp_a / sum_exp_a


    return np.exp(a - c) / np.sum(np.exp(a - c))


その三

def softmax(a):
    c = np.max(a)
    return np.exp(a - c) / np.sum(np.exp(a - c))


def softmax(a):
    return np.exp(a - np.max(a)) / np.sum(np.exp(a - np.max(a)))

もう一方

def softmax(x):
    x = x - np.max(x) # オーバーフロー対策
    return np.exp(x) / np.sum(np.exp(x))


def softmax(x):
    return np.exp(x - np.max(x)) / np.sum(np.exp(x - np.max(x)))

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2019/05/22 20:59

    回答頂きありがとうございます!
    また、返信が遅くなり申し訳ありません。
    ご指摘の通り式変形した所同一のものだとわかりました!

    残りのif x.ndim == 2:以降の部分はどのような動作をしているかもう少し調べてみます!
    ありがとうございました!

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.80%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る