From d9d283dbafd293a60bb16fbf4eeccdf204d2eb71 Mon Sep 17 00:00:00 2001 From: qiaolongfei Date: Mon, 20 Mar 2017 09:53:47 +0800 Subject: [PATCH] fix a inaccuracy description in recognize digits --- recognize_digits/README.md | 2 +- recognize_digits/index.html | 2 +- 2 files changed, 2 insertions(+), 2 deletions(-) diff --git a/recognize_digits/README.md b/recognize_digits/README.md index cb78486..0b69228 100644 --- a/recognize_digits/README.md +++ b/recognize_digits/README.md @@ -36,7 +36,7 @@ $$ y_i = \text{softmax}(\sum_j W_{i,j}x_j + b_i) $$ 其中 $ \text{softmax}(x_i) = \frac{e^{x_i}}{\sum_j e^{x_j}} $ -对于有 $N$ 个类别的多分类问题，指定 $N$ 个输出节点，$N$ 维输入特征经过softmax将归一化为 $N$ 个[0,1]范围内的实数值，分别表示该样本属于这 $N$ 个类别的概率。此处的 $y_i$ 即对应该图片为数字 $i$ 的预测概率。 +对于有 $N$ 个类别的多分类问题，指定 $N$ 个输出节点，$N$ 维结果向量经过softmax将归一化为 $N$ 个[0,1]范围内的实数值，分别表示该样本属于这 $N$ 个类别的概率。此处的 $y_i$ 即对应该图片为数字 $i$ 的预测概率。 在分类问题中，我们一般采用交叉熵代价损失函数（cross entropy），公式如下： diff --git a/recognize_digits/index.html b/recognize_digits/index.html index 9ed4d22..8df2d58 100644 --- a/recognize_digits/index.html +++ b/recognize_digits/index.html @@ -78,7 +78,7 @@ $$ y_i = \text{softmax}(\sum_j W_{i,j}x_j + b_i) $$ 其中 $ \text{softmax}(x_i) = \frac{e^{x_i}}{\sum_j e^{x_j}} $ -对于有 $N$ 个类别的多分类问题，指定 $N$ 个输出节点，$N$ 维输入特征经过softmax将归一化为 $N$ 个[0,1]范围内的实数值，分别表示该样本属于这 $N$ 个类别的概率。此处的 $y_i$ 即对应该图片为数字 $i$ 的预测概率。 +对于有 $N$ 个类别的多分类问题，指定 $N$ 个输出节点，$N$ 维结果向量经过softmax将归一化为 $N$ 个[0,1]范围内的实数值，分别表示该样本属于这 $N$ 个类别的概率。此处的 $y_i$ 即对应该图片为数字 $i$ 的预测概率。 在分类问题中，我们一般采用交叉熵代价损失函数（cross entropy），公式如下： -- GitLab