CS 231n：Softmax 实现误差的梯度

问题描述

我试图解决 CS 231n 作业 1，但在为 softmax 实现梯度时遇到了问题。请注意，我没有参加该课程，只是出于学习目的。我最初手动计算了梯度，对我来说似乎很好，我实现了如下梯度，但是当代码针对数值梯度运行时，结果不匹配，我想了解我在这个实现中哪里出错了，如果有人可以帮我澄清一下。

谢谢。

代码：

create type conversion_typ is object (
  format_model varchar2(100),conversion_func varchar2(100)
);

create type conversion_tbl is table of conversion_typ; 

create or replace function guess_date( p_date_str )
  return date
is
  l_coversions conversion_tbl := conversion_tbl( 
                                    conversion_typ( 'mm/dd/yyyy',null ),conversion_typ( 'dd/mm/yyyy',...
                                    conversion_typ( 'yyyy','custom_convert_bare_year' )
                                  );
  ...

解决方法

我自己想出了答案。

行：

dW = dW / (denom_sum)

是一个错误。此外，修改了代码以使其工作。

    denom_sum = np.sum(np.exp(score))
    for j,s in enumerate(score):
      if j == correct:
        num = np.exp(s)
        dW[:,correct] += -X[i].T * ((denom_sum - num)/ (denom_sum))
      else:
        dW[:,j] += X[i].T * (np.exp(s) / denom_sum) 
    loss += -np.log(num / denom_sum)
  
  loss = loss / (num_train)
  dW /= num_train
  loss += reg * np.sum(W * W)
  dW += reg * 2 * W

我之前用 denom_sum 划分了所有元素，而我应该只按列划分它。

deep-learning numpy python softmax