原文链接: https://blog.csdn.net/weixin_53765658/article/details/136360033
CSDN账号: Purepisces
github账号: purepisces
希望大家可以Star Machine Learning Blog https://github.com/purepisces/Wenqing-Machine_Learning_Blog

损失函数

根据您使用的神经网络类型和数据类型，不同的损失函数可能会变得有用，例如分类问题的交叉熵损失，回归问题的均方误差。了解这些损失函数是如何计算的，以及它们将如何用于更新您的网络是很重要的。

损失类

类属性：

• $A$：存储模型预测以计算反向传播。
• $Y$：存储期望输出以计算反向传播。

类方法：

• $forward$：

  • 参数：$A$（模型预测），$Y$（期望输出）
  • 返回值：损失值 $L$
  • 描述：计算并返回标量损失值 $L$，量化网络输出和期望输出之间的不匹配。

• $backward$：

  • 返回值：$dLdA$（模型输出变化如何影响损失 $L$）
  • 描述：计算并返回 $dLdA$，表示模型输出 $A$ 的变化如何影响损失 $L$。它使得可以进行反向传播的下游计算。

请考虑以下类结构：

class Loss:def forward(self, A, Y):self.A = Aself.Y = Yself.    # todo（根据需要存储额外的属性）N      = # todo，这是 A 和 Y 的第一维度C      = # todo，这是 A 和 Y 的第二维度# todoreturn Ldef backward(self):dLdA = # 待办事项return dLdA

代码名称	数学符号	类型	形状	含义
N	$N$	标量	-	批量大小
C	$C$	标量	-	类别数目
A	$A$	矩阵	$N\times C$	模型输出
Y	$Y$	矩阵	$N\times C$	真实值
L	$L$	标量	-	损失值
dLdA	$\frac{\partial L}{\partial A}$	矩阵	$N\times C$	模型输出变化如何影响损失

注意：在回归任务的上下文中，对应于类别数目的维度 $C$ 简化为 1。这是因为回归问题涉及预测单个连续变量，而不是从多个类别中选择。相反，在分类场景中，$C$ 代表每个输入可以被分类的不同类别或类别的总数，因此可以根据具体问题而变化。

损失函数拓扑在下图中可视化:

示例

在此示例中，我们将演示如何在具有3个类别的分类任务中使用 $Loss$ 类。假设我们的批量大小（$N$）为2，这意味着我们一次处理两个示例。

模型输出（Logits）

模型输出，表示为 $A$，是每个类别的logits。对于我们的示例，批量大小为2且有3个类别，$A$ 可能如下所示：

$$A=\left[\begin{array}{ccc}5& 1& -1\\ -2& 6& 0\end{array}\right]$$

这些logits代表每个类别的原始分数，在应用softmax函数之前。

真实值（Y）

真实值 $Y$ 以独热编码（one-hot encoded）格式表示：

$$Y=\left[\begin{array}{ccc}1& 0& 0\\ 0& 0& 1\end{array}\right]$$

这里，第一行 $[1,0,0]$ 表示第一个示例属于第1类，第二行 $[0,0,1]$ 表示第二个示例属于第3类。

在损失计算中使用 $A$ 和 $Y$

损失函数使用logits $A$ 和真实值 $Y$ 来计算损失值 $L$。例如，使用交叉熵损失函数会首先对logits应用softmax函数以获得概率，然后通过将这些预测概率与 $Y$ 中的实际标签进行比较来计算每个单独示例的损失。随后，这些单独的损失在批次中的所有示例上平均，以产生损失的单一标量值，$L$。

$Loss$ 类中的 $forward$ 方法负责使用 $A$（作为logits）和 $Y$ 来计算这个标量损失值 $L$。接着，$backward$ 方法计算损失对于logits的梯度，表示为 $\frac{\partial L}{\partial A}$。这个梯度对于反向传播过程至关重要，使得在训练期间可以更新模型参数。

详解均方误差损失函数:

均方误差（MSE，Mean Squared Error）是回归问题中评估预测误差的一种广泛使用的指标。在回归中，目标是预测连续值，例如根据房屋的特征（如面积、位置、卧室数量等）估计房屋的价格。

MSE 损失前向方程

计算从计算模型预测（$A$）与实际真值（$Y$）之间的平方误差（$SE$）开始：

$$SE(A,Y)=(A-Y)\odot (A-Y)$$

接下来，我们确定平方误差之和（$SSE$）。这里，${\iota }_N$ 和 ${\iota }_C$ 分别表示大小为 $N$ 和 $C$ 的、填充有 1 的列向量：

$$SSE(A,Y)={\iota }_N^T\cdot SE(A,Y)\cdot {\iota }_C$$

这个操作将 $SE(A,Y)$ 矩阵中的所有元素求和，该矩阵的维度为 $N\times C$。通过 ${\iota }_N^T$ 的乘法在行间聚合错误，随后通过 ${\iota }_C$ 的乘法将这些在列间求和，产生一个单一标量的总误差。

然后计算每个组件的均方误差（$MSE$）损失：

$$MSELoss(A,Y)=\frac{SSE(A,Y)}{N\cdot C}$$

MSE 损失反向方程

在反向传播过程中，需要计算 MSE 损失相对于模型输出（$A$）的梯度，以更新模型参数：

$$MSELoss.backward()=2\cdot \frac{(A-Y)}{N\cdot C}$$

MSE 损失的导数

MSE 损失函数定义为：

$$MSELoss(A,Y)=\frac{1}{N\cdot C}\sum _{i=1}^N\sum _{j=1}^C(A_{ij}-Y_{ij}{)}^2$$

其中：

$A$：模型预测值。

$Y$：真实值。

$N$：批次中的样本数量。

$C$：每个样本的输出维度，回归任务中通常为 1。

为了更新模型参数（在这个例子中，通过反向传播），我们需要知道 $A$ 的变化如何影响损失。这由损失函数相对于 $A$ 的导数给出，表示为 $\frac{\partial MSELoss}{\partial A}$。

$$\frac{\partial MSELoss}{\partial A}=2\cdot \frac{(A-Y)}{N\cdot C}$$

梯度 $\frac{\partial MSELoss}{\partial A}$ 指向损失函数最陡增加的方向。通过向相反方向移动（即，从预测 $A$ 中减去这个梯度），我们可以减少损失，这是训练模型的目标。

总之，$MSELoss.backward()$ 的 $2\cdot \frac{(A-Y)}{N\cdot C}$ 公式是通过对预测 $A$ 求 MSE 损失函数的导数得到的，考虑了平方误差和平均操作。这个梯度在优化过程中被用来调整模型参数，以最小化损失。

import numpy as npclass MSELoss:def forward(self, A, Y):# 为反向计算存储预测值（A）和真实值（Y）self.A = Aself.Y = Y# 计算预测值和真实值之间的平方误差se = (A - Y) ** 2# 对平方误差求和以得到总的平方误差sse = np.sum(se)# 通过将总的平方误差除以元素数量来计算均方误差mse = sse / (A.shape[0] * A.shape[1])return msedef backward(self):# 计算损失相对于预测值（A）的梯度dLdA = 2 * (self.A - self.Y) / (self.A.shape[0] * self.A.shape[1])return dLdA

示例

让我们通过一个具体的例子来了解在回归场景中如何应用均方误差（MSE）损失。假设我们正试图基于一些特征来预测房屋价格。为了简单起见，我们将考虑一个案例，其中我们的模型基于多个特征（例如平方英尺面积和卧室数量）来预测两栋房屋的价格，因此我们的批量大小 $N$ 为 2，特征数量 $C$ 也为 2。

给定数据：

• 模型输出 ($A$)：预测的两栋房屋的价格和卧室数量。假设模型对每栋房屋的预测如下（价格以美元计，卧室以数量计）。这可以表示为一个 2x2 矩阵（因为 $N=2$ 且 $C=2$）：

$$A=\left[\begin{array}{cc}300,000& 3\\ 500,000& 4\end{array}\right]$$

这里，第一列代表两栋房屋的预测价格，第二列代表预测的卧室数量。

• 真实值 ($Y$)：两栋房屋的实际价格和卧室数量。这也是一个 2x2 矩阵：

$$Y=\left[\begin{array}{cc}350,000& 4\\ 450,000& 3\end{array}\right]$$

正向传播（计算 MSE 损失）：

1. 计算平方误差 ($SE$)：

$$\begin{array}{rl}SE(A,Y)& =(A-Y)\odot (A-Y)\\ & =\left[\begin{array}{cc}(300,000-350,000{)}^2& (3-4{)}^2\\ (500,000-450,000{)}^2& (4-3{)}^2\end{array}\right]\\ & =\left[\begin{array}{cc}2500\times 10^6& 1\\ 2500\times 10^6& 1\end{array}\right]\end{array}$$

2. 平方误差之和 ($SSE$)：
   将 $SE$ 中的所有元素相加：

$$SSE(A,Y)=\sum SE(A,Y)=2\times (2500\times 10^6)+2\times 1=5000\times 10^6+2$$

3. 均方误差 ($MSE$)：

$$MSELoss(A,Y)=\frac{SSE(A,Y)}{N\cdot C}=\frac{5000\times 10^6+2}{2\times 2}=\frac{2500\times 10^6+1}{2}$$

反向传播（计算梯度）：

可以计算损失相对于预测值 ($A$) 的梯度：

$$\begin{array}{rl}\frac{\partial MSELoss}{\partial A}& =2\cdot \frac{(A-Y)}{N\cdot C}\\ & =2\cdot \frac{\left[\begin{array}{cc}300,000-350,000& 3-4\\ 500,000-450,000& 4-3\end{array}\right]}{2\times 2}\\ & =\frac{1}{2}\left[\begin{array}{cc}-50,000& -1\\ 50,000& 1\end{array}\right]\end{array}$$

这个梯度矩阵提供了如何调整每个预测（价格和卧室数量）以最小化损失的指导。负值表示需要增加预测值，正值表明需要减少预测值以减少误差。

详解交叉熵损失函数:

交叉熵损失是用于基于概率的分类问题最常用的损失函数之一。

交叉熵损失前向方程

首先，我们使用softmax函数将原始模型输出$A$转换成由输入数值的指数决定的$C$类的概率分布。

${\iota }_N$、${\iota }_C$是大小为$N$和$C$的列向量，包含全部为1的值。

$$\text{softmax}(A)=\sigma (A)=\frac{\exp (A)}{\sum _{j=1}^C\exp (A_{ij})}$$

现在，A的每一行代表模型对概率分布的预测，而Y的每一行代表一个输入的目标分布。
然后，我们计算分布Ai相对于目标分布Yi的交叉熵H(A,Y)，对于i = 1,…,N：

$$\text{crossentropy}=H(A,Y)=(-Y\odot \log (\sigma (A)))\cdot {\iota }_C$$

记住，损失函数的输出是一个标量，但现在我们有一个大小为N的列矩阵。要将其转换为标量，我们可以使用所有交叉熵的和或平均值。

这里，我们选择使用平均交叉熵作为交叉熵损失，这也是PyTorch的默认设置：

$$\text{sumcrossentropyloss}:={\iota }_N^T\cdot H(A,Y)=SCE(A,Y)$$

$$\text{meancrossentropyloss}:=\frac{SCE(A,Y)}{N}$$

交叉熵损失反向方程

$$\text{xent.backward}()=\frac{\sigma (A)-Y}{N}$$

梯度的推导（我的证明）

要找到交叉熵损失相对于对数几率$A_i$的梯度，我们需要计算导数$\frac{\partial H}{\partial A_i}$。这涉及到应用链式法则到对数和softmax函数的复合中。

注意对于一个对数几率$A_{ic}$，softmax函数定义为：

$$\sigma (A_{ic})=\frac{e^{A_{ic}}}{\sum _{j=1}^C{e}^{A_{ij}}}$$

步骤1：应用链式法则

首先，注意我们需要对一个复合函数的导数应用链式法则，这个复合函数是softmax输出的对数：

$$H(A_i,Y_i)=-\sum _{c=1}^C{Y}_{ic}\log (\sigma (A_{ic}))$$

$$\begin{array}{rl}\frac{\partial H}{\partial A_{ic}}& =\frac{\partial (-Y_{i1}\log (\sigma (A_{i1}))-Y_{i2}\log (\sigma (A_{i2}))-...-Y_{iC}\log (\sigma (A_{iC})))}{\partial A_{ic}}\\ & =\frac{\partial (-Y_{i1}\log (\sigma (A_{i1})))}{\partial A_{ic}}+\frac{\partial (-Y_{i2}\log (\sigma (A_{i2})))}{\partial A_{ic}}+...+\frac{\partial (-Y_{iC}\log (\sigma (A_{iC})))}{\partial A_{ic}}\\ & =-Y_{i1}\frac{\partial \log (\sigma (A_{i1}))}{\partial A_{ic}}-Y_{i2}\frac{\partial \log (\sigma (A_{i2}))}{\partial A_{ic}}-...-Y_{iC}\frac{\partial \log (\sigma (A_{iC}))}{\partial A_{ic}}\\ & =-\sum _{k=1}^C{Y}_{ik}\frac{\partial \log (\sigma (A_{ik}))}{\partial A_{ic}}\end{array}$$

$$\frac{\partial H}{\partial A_{ic}}=-\sum _{k=1}^C{Y}_{ik}\frac{\partial \log (\sigma (A_{ik}))}{\partial A_{ic}}$$

步骤2：Softmax的对数的导数

$\log (\sigma (A_{ik}))$关于$A_{ic}$的导数涉及两种情况：当$k=c$和当$k\ne c$时。

当$k=c$时，使用对数的导数$\frac{\partial \log (x)}{\partial x}=\frac{1}{x}$和softmax的定义，我们得到：

$$\begin{array}{rl}\frac{\partial \log (\sigma (A_{ik}))}{\partial A_{ic}}& =\frac{\partial \log (\sigma (A_{ic}))}{\partial \sigma (A_{ic})}\cdot \frac{\partial \sigma (A_{ic})}{\partial A_{ic}}\\ & =\frac{1}{\sigma (A_{ic})}\cdot \sigma (A_{ic})\cdot (1-\sigma (A_{ic}))\\ & =1-\sigma (A_{ic})\end{array}$$

当$k\ne c$时，导数涉及不同类的softmax函数，结果是：

$$\begin{array}{rl}\frac{\partial \log (\sigma (A_{ik}))}{\partial A_{ic}}& =\frac{\partial \log (\sigma (A_{ik}))}{\partial \sigma (A_{ic})}\cdot \frac{\partial \sigma (A_{ic})}{\partial A_{ic}}\\ & =\frac{1}{\sigma (A_{ik})}\cdot -\sigma (A_{ik})\cdot \sigma (A_{ic})\\ & =-\sigma (A_{ic})\end{array}$$

步骤3：合并情况

由于$Y_i$对于真实类别只能为1，否则为0，这简化为：

$$\begin{array}{rl}\frac{\partial H}{\partial A_{ic}}& =-\sum _{k=1}^C{Y}_{ik}\frac{\partial \log (\sigma (A_{ik}))}{\partial A_{ic}}\\ & =or\{\begin{array}{ll}-1(1-\sigma (A_{ic}))=\sigma (A_{ic})-1,& \text{for }{Y}_{ic}=0\\ -1(-\sigma (A_{ic}))=\sigma (A_{ic})-0,& \text{for }{Y}_{ic}=1\end{array}\\ & =\sigma (A_{ic})-Y_{ic}\end{array}$$

示例

让我给出一个具体的例子来说明它：

示例 1

考虑这个案例 $Y=[1,0,0]$ 和 $A=[2,1,-1]$。

$Y_{11}=1,Y_{12}=0,Y_{13}=0$
$A_{11}=2,A_{12}=1,A_{13}=-1$

然后当计算

$$\begin{array}{rl}\frac{\partial H}{\partial A_{13}}& =-\sum _{k=1}^C{Y}_{1k}\frac{\partial \log (\sigma (A_{1k}))}{\partial A_{13}}\\ & =-Y_{11}\frac{\partial \log (\sigma (A_{11}))}{\partial A_{13}}-Y_{12}\frac{\partial \log (\sigma (A_{12}))}{\partial A_{13}}-Y_{13}\frac{\partial \log (\sigma (A_{13}))}{\partial A_{13}}\\ & =-1(-\sigma (A_{13}))-0-0\\ & =\sigma (A_{13})-0\\ & =\sigma (A_{13})-Y_{13}\end{array}$$

示例 2

考虑这个案例 $Y=[0,0,1]$ 和 $A=[2,1,-1]$。

$Y_{11}=0,Y_{12}=0,Y_{13}=1$
$A_{11}=2,A_{12}=1,A_{13}=-1$

然后当计算

$$\begin{array}{rl}\frac{\partial H}{\partial A_{13}}& =-\sum _{k=1}^C{Y}_{1k}\frac{\partial \log (\sigma (A_{1k}))}{\partial A_{13}}\\ & =-Y_{11}\frac{\partial \log (\sigma (A_{11}))}{\partial A_{13}}-Y_{12}\frac{\partial \log (\sigma (A_{12}))}{\partial A_{13}}-Y_{13}\frac{\partial \log (\sigma (A_{13}))}{\partial A_{13}}\\ & =-0-0-1(1-\sigma (A_{13}))\\ & =\sigma (A_{13})-1\\ & =\sigma (A_{13})-Y_{13}\end{array}$$

梯度的推导（YouTube的证明）

• Softmax函数是一个向量。
• 每个元素$\frac{e^{z_k}}{\sum _{c=1}^C{e}^{z_c}}$由于分母的原因依赖于所有输入元素。
• 向量关于向量的梯度是一个矩阵。
• 为了简化和巩固这个概念，让我们通过查看一个大小为$3$的向量来使其更具体：

$$\left(\begin{array}{c}{z}_1\\ z_2\\ z_3\end{array}\right)\to \left(\begin{array}{c}\frac{e^{z_1}}{e^{z_1}+e^{z_2}+e^{z_3}}\\ \frac{e^{z_2}}{e^{z_1}+e^{z_2}+e^{z_3}}\\ \frac{e^{z_3}}{e^{z_1}+e^{z_2}+e^{z_3}}\end{array}\right)=\left(\begin{array}{c}{a}_1\\ a_2\\ a_3\end{array}\right)=\left(\begin{array}{c}\widehat{y_1}\\ \widehat{y_2}\\ \widehat{y_3}\end{array}\right)$$

矩阵的对角元素会发生什么？我们有导数关于分子中相同元素。例如，对于$\frac{\partial a_1}{\partial z_1}$我们得到：

$$\frac{\partial a_1}{\partial z_1}=\frac{e^{z_1}(e^{z_1}+e^{z_2}+e^{z_3})-e^{z_1}{e}^{z_1}}{(e^{z_1}+e^{z_2}+e^{z_3})(e^{z_1}+e^{z_2}+e^{z_3})}=\frac{e^{z_1}}{e^{z_1}+e^{z_2}+e^{z_3}}\cdot \frac{e^{z_1}+e^{z_2}+e^{z_3}-e^{z_1}}{e^{z_1}+e^{z_2}+e^{z_3}}=a_1(1-a_1)$$

所以我们得到了非常接近于sigmoid导数的东西。

对角线元素以外的元素会发生什么？例如，对于$\frac{\partial a_1}{\partial z_2}$我们得到：

$$\frac{\partial a_1}{\partial z_2}=\frac{0\cdot (e^{z_1}+e^{z_2}+e^{z_3})-e^{z_1}{e}^{z_2}}{(e^{z_1}+e^{z_2}+e^{z_3}{)}^2}=-\frac{e^{z_1}}{e^{z_1}+e^{z_2}+e^{z_3}}\cdot \frac{e^{z_2}}{e^{z_1}+e^{z_2}+e^{z_3}}=-a_1{a}_2$$

对于我们的3x3矩阵，我们将得到：

$$\frac{\partial \mathbf{a}}{\partial \mathbf{z}}=\left(\begin{array}{ccc}{a}_1(1-a_1)& -a_1{a}_2& -a_1{a}_3\\ -a_2{a}_1& a_2(1-a_2)& -a_2{a}_3\\ -a_3{a}_1& -a_3{a}_2& a_3(1-a_3)\end{array}\right)$$

对于损失相对于最终输出的导数 - 我们有一个标量相对于向量的导数，所以结果也将是一个向量：

$$\frac{\partial \mathcal{L}}{\partial a_L}=\left[\begin{array}{c}\frac{\partial }{\partial a_{L1}}\left(-\sum _{c=1}^C{y}_c\log a_{Lc}\right)\\ ⋮\\ \frac{\partial }{\partial a_{LC}}\left(-\sum _{c=1}^C{y}_c\log a_{Lc}\right)\end{array}\right]=-\left[\begin{array}{c}\frac{y_1}{a_{L1}}\\ ⋮\\ \frac{y_C}{a_{LC}}\end{array}\right]$$

记住对于每个1-hot向量$y$，我们只有一个元素等于1，其余都是0。

回到我们具体的$3\times 3$例子，并把所有东西放在一起，我们得到：

$$\begin{array}{rl}\frac{\partial \mathcal{L}}{\partial z_L}& =\frac{\partial \mathcal{L}}{\partial a_L}\frac{\partial a_L}{\partial z_L}\\ & =-\left[\begin{array}{c}\frac{y_1}{a_1}\\ \frac{y_2}{a_2}\\ \frac{y_3}{a_3}\end{array}\right]\left(\begin{array}{ccc}{a}_1(1-a_1)& -a_1{a}_2& -a_1{a}_3\\ -a_2{a}_1& a_2(1-a_2)& -a_2{a}_3\\ -a_3{a}_1& -a_3{a}_2& a_3(1-a_3)\end{array}\right)\\ & =-\left[\begin{array}{ccc}{y}_1-a_1(y_1+y_2+y_3)& y_2-a_2(y_1+y_2+y_3)& y_3-a_3(y_1+y_2+y_3)\end{array}\right]\\ & =\mathbf{a}-\mathbf{y}\end{array}$$

注意这里的$\mathbf{a}$和$\mathbf{y}$是向量，而不是标量。

交叉熵损失的示例

为了说明交叉熵损失，让我们考虑一个具体的例子，用一个小数据集。假设我们有一个简单的分类问题，有三个类别（C=3），我们正在处理两个样本的批次（$N=2$）。这两个样本的模型原始输出分数（$A$）和相应的真实标签（$Y$）可能如下所示：

• 两个样本的原始模型输出（$A$）：

  • 样本 1: $[2.0,1.0,0.1]$
  • 样本 2: $[0.1,2.0,1.9]$

• 真实类别分布（$Y$，独热编码）：

  • 样本 1: $[0,1,0]$ （类别 2 是真实类别）
  • 样本 2: $[1,0,0]$ （类别 1 是真实类别）

让我们逐步计算这个例子的交叉熵损失：

1. 应用 Softmax

首先，我们对原始输出应用 softmax 函数，以获得每个类别的预测概率。

对于样本 1，softmax 计算如下：
$$\sigma (A_1)=\left[\frac{e^{2.0}}{e^{2.0}+e^{1.0}+e^{0.1}},\frac{e^{1.0}}{e^{2.0}+e^{1.0}+e^{0.1}},\frac{e^{0.1}}{e^{2.0}+e^{1.0}+e^{0.1}}\right]$$

对于样本 2，类似地：
$$\sigma (A_2)=\left[\frac{e^{0.1}}{e^{0.1}+e^{2.0}+e^{1.9}},\frac{e^{2.0}}{e^{0.1}+e^{2.0}+e^{1.9}},\frac{e^{1.9}}{e^{0.1}+e^{2.0}+e^{1.9}}\right]$$

2. 计算交叉熵损失

接下来，我们计算每个样本的交叉熵损失。单个样本的损失由下式给出：
$$H(A_i,Y_i)=-\sum _{c=1}^C{Y}_{ic}\log (\sigma (A_{ic}))$$

对于样本 1：
$$H(A_1,Y_1)=-[0\times \log (\sigma (A_{11}))+1\times \log (\sigma (A_{12}))+0\times \log (\sigma (A_{13}))]$$

对于样本 2：
$$H(A_2,Y_2)=-[1\times \log (\sigma (A_{21}))+0\times \log (\sigma (A_{22}))+0\times \log (\sigma (A_{23}))]$$

3. 计算平均交叉熵损失

最后，我们计算这些损失的平均值，以得到批次的平均交叉熵损失：
$$\text{meancrossentropyloss}=\frac{H(A_1,Y_1)+H(A_2,Y_2)}{2}$$

4. 交叉熵损失的反向传播

对于反向传播，交叉熵损失相对于应用 softmax 之前的原始模型输出的梯度由下式给出：
$$\frac{\partial \text{Loss}}{\partial A}=\frac{\sigma (A)-Y}{N}$$

对于批次中的每个样本，我们计算：

• 对于样本 1: $\frac{\sigma (A_1)-Y_1}{2}$
• 对于样本 2: $\frac{\sigma (A_2)-Y_2}{2}$

这给了我们需要通过网络反向传播的梯度。

基于计算：

• 两个样本的 softmax 概率大约为：

  • 样本 1: $[0.659,0.242,0.099]$
  • 样本 2: $[0.073,0.487,0.440]$

• 两个样本的交叉熵损失为：

  • 样本 1: 1.417
  • 样本 2: 2.620

• 这个批次的平均交叉熵损失大约为 2.019。

• 损失相对于原始模型输出（$A$）的梯度为：

  • 对于样本 1: $[0.330,-0.379,0.049]$
  • 对于样本 2: $[-0.464,0.243,0.220]$

这些结果给出了我们使用 softmax 函数得到的每个类别的预测概率，每个样本的个别交叉熵损失，批次的整体平均交叉熵损失，以及反向传播所需的梯度。梯度中的负值指示了我们应该调整模型参数以减少损失的方向，而正值则建议相反的方向。

class CrossEntropyLoss:def softmax(self, x):# 通过在每个输入向量中减去最大值来改善 softmax 的数值稳定性。# 这通过指数化大的正数来防止潜在的溢出。e_x = np.exp(x - np.max(x, axis=1, keepdims=True))return e_x / e_x.sum(axis=1, keepdims=True)def forward(self, A, Y):self.A = Aself.Y = Yself.softmax = self.softmax(A)crossentropy = -Y * np.log(self.softmax)# 在批次上平均损失L = np.sum(crossentropy) / A.shape[0]return Ldef backward(self):# 计算损失相对于对数（预 softmax 激活）A的梯度# 这个梯度还包括在批次上的平均dLdA = (self.softmax - self.Y) / self.A.shape[0]return dLdA

参考资料:

• 在YouTube上观看视频
• CMU_11785_深度学习导论