相比于计算机，我更喜爱数学的推导，感觉数学推导是可触摸的更有立体感，甚至你能够追溯到基本。作为神经网络算法的第一篇文章，我决定用 softmax 输入层作为开篇之作。
这篇文章我感觉不错
这篇十分业余
如上图所示是个粗略的神经网络模型，其实就是简略的全连贯神经网络。我明天探讨的只是 output layer，用的是 softmax 层作为神经网络的输入层，所以咱们只须要关注最初一层就行了。
softmax 输入层如下所示：
下方的 [1,2,3,4]，代表 softmax 层的四个输出
上方的 [0.03,0.09,0.24,0.64] 代表 softmax 层的四个输入。
十分好了解，输出和输入的关系是怎么样的呢？又有什么样的性质呢？
咱们用数学公式就高深莫测：
这就是 softmax 函数表达式
我本人手写兴许更分明：
是吧高深莫测，更为要害的是性质十分像全概率公式性质。
确实 softmax 最次要的作用，就是将神经网络的输入转化为概率模式。天然咱们想到，神经元的输入值越大，通过输入层转换的概率就越大。那么目标是什么呢？？首先咱们须要晓得 softmax 层设计成概率样子，大概率就是为分类服务的。个别 label 有几类，最初的神经元就有几个。通过 one-hot 编码，将 label 变成一个个向量。如果一个神经元通过输入层概率最大，那么改神经元所在的分类就是预测的后果，而后和 lable 值进行比对。统一则分类正确，不统一则分类谬误。
脑筋直的的我层一开始就想，神经元输入最高通过 softmax 层的输入概率就越高，还要 softmax 层干嘛，多此一举。
其实 softmax 层大有玄机，如果没有概率化，模型就是去了纠正错误的迷信方向，没有方法结构损失函数，更不要提优化了。
提到损失函数，那么咱们预测谬误 ‘损失’ 的是什么呢？
引入 损失函数 — 赫赫有名 穿插熵误差函数：
此时的 N 为样本数量，y 代表通过 one-hot 编码后的向量如 [0,1,0,0]
字母 O 为通过 softmax 输入的概率向量如 [0.03,0.09,0.24,0.64]
点积意思是向量对应相乘的和，并未向量相乘。如(y,O)=00.3+10.09+00.24+00.64=0.09
那损失函数到底损失的是什么呢？咱们能够轻松发现，对于一个样本来说如果分类正确且输入概率值越高则向量点积越高，整个损失函数越小。所以，所有样本和最小则整个模型越准确。咱们须要找到适合的神经元参数，使损失函数最小，这个过程咱们叫 优化！
还有一种解释，是依据名称而来，为什么叫穿插熵损失？穿插好了解，点积嘛。这里熵指的是信息熵，这里表达式也是依据信息熵表达式而来，信息熵越小，则取得信息越简略，分类越正确。
开始优化：
首先咱们举个模型来计算优化过程：
如图是一个全连贯神经网络的最初几层模型。
这里要有个习惯就是看到模型向前计算：
z4 = w41o1+w42o2+w43*o3
z5 = w51o1+w52o2+w53*o3
z6 = w61o1+w62o2+w63*o3
z4,z5,z6 代表 456 号神经元输入，作为 softmax 层的输出
那么很容易失去 softmax 函数的输入
a4 = e^z4/(e^z4+e^z5+e^z6)
a5 = e^z5/(e^z4+e^z5+e^z6)
a6 = e^z6/(e^z4+e^z5+e^z6)
咱们以 w41 为例看看误差项（梯度）的传递：
能够看出 w41 的误差延（梯度）图所示方向传递到 Loss 函数，这里最重要一点是，对于 单个样本 误差项（梯度）的传递只通过某一个输入神经元，由 y -label 值决定。比方，y=[1,0,0]那么梯度只通过 a4 神经元不通过 a5，a6。这一点十分重要！
因而咱们以 一个样本 为例反向求 w41 的误差项（梯度）：
这里的 loss 函数是广义的损失函数，是单个样本的损失函数。第一项和第三项都十分好求解，留神第一项外面的 i，代表的是 ylabel 向量得第 i 个元素为 1。
重点就只声求解第二项了，依据式子能够凭数学敏感的晓得要分类求解：
第一类：i = 4 如图
求解如图：
第二类：i!=4 如图
求解如图：
综合起来对于 单个样本 梯度为：
看通过如此简单的神经网络、softmax 层、穿插熵损失函数，梯度居然示意一点也不简单仿佛只跟 a4 无关，甚至手动就能实现神经网络的更新如果把它看成概率，就会更好了解。
注意事项：
1、单个样本问题 ：有很多教程都不会提到单个样本，上述自己多此提到单个样本条件下计算的后果。后面说过单个样本的损失函数是广义的损失函数，这里更是交叉了一个重要数学根据 — 随机梯度算法 。单个样本好计算好剖析，但不要忘了他可能计算的数学根据就是 随机梯度算法 。单个样本的更新权重，比批度样本效率更高。
2、softmax 输入层的了解：后面也有通俗的提到过他的概率化作用，而我认为更重要的是 为损失函数的建设提供了数学根据 。另外一个作用就是输 出层误差项的正则，只保留分类正确的概率的误差项传递，大大简化误差项的传递。
3、softmax 层和穿插熵损失函数不为一：并不是所有 softmax 层和穿插熵函数都长得一样，学生在查看不同教材就发现了多种不同的写法，但外围步骤保持一致。如图：
所以通知咱们最重要的不是表现形式，而是思维办法！
前面会更新对于 softmax 层解决的代码