从零开始实现Softmax回归——d2l-ai/d2l-ko项目解析
2025-06-04 05:29:54作者:何将鹤
引言
在机器学习中,分类问题是最常见的任务之一。Softmax回归(也称为多项逻辑回归)是解决多类分类问题的基本模型。本文将基于d2l-ai/d2l-ko项目中的实现,详细讲解如何从零开始构建Softmax回归模型。
数据准备
我们使用Fashion-MNIST数据集,它包含10个类别的服装图片,每个图片大小为28×28像素。首先设置批量大小为256的数据迭代器:
batch_size = 256
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)
模型参数初始化
对于Softmax回归,我们需要为每个类别准备一组参数。由于输入是28×28=784像素的图片,输出是10个类别:
- 权重矩阵W:形状为784×10
- 偏置向量b:形状为1×10
我们使用正态分布初始化权重,偏置初始化为0:
num_inputs = 784
num_outputs = 10
W = np.random.normal(0, 0.01, (num_inputs, num_outputs))
b = np.zeros(num_outputs)
Softmax运算实现
Softmax函数将原始分数转换为概率分布,实现分为三步:
- 对每个元素取指数
- 计算每行的和(归一化常数)
- 将每行除以其归一化常数
数学表达式为:
实现代码如下:
def softmax(X):
X_exp = np.exp(X)
partition = X_exp.sum(1, keepdims=True)
return X_exp / partition # 这里应用了广播机制
模型定义
模型将输入图片展平为向量,然后进行线性变换和Softmax运算:
def net(X):
return softmax(np.dot(X.reshape(-1, W.shape[0]), W) + b)
损失函数:交叉熵
交叉熵损失是分类问题中最常用的损失函数。对于预测概率y_hat和真实标签y:
def cross_entropy(y_hat, y):
return -np.log(y_hat[range(len(y_hat)), y])
评估指标:准确率
准确率是最直观的分类性能指标:
def accuracy(y_hat, y):
if len(y_hat.shape) > 1 and y_hat.shape[1] > 1:
y_hat = y_hat.argmax(axis=1)
cmp = y_hat.astype(y.dtype) == y
return float(cmp.astype(y.dtype).sum())
训练过程
训练循环包括:
- 前向传播计算预测
- 计算损失
- 反向传播计算梯度
- 更新参数
我们使用小批量随机梯度下降进行优化:
lr = 0.1
def updater(batch_size):
return d2l.sgd([W, b], lr, batch_size)
num_epochs = 10
train_ch3(net, train_iter, test_iter, cross_entropy, num_epochs, updater)
预测与评估
训练完成后,我们可以用模型进行预测:
def predict_ch3(net, test_iter, n=6):
for X, y in test_iter:
break
trues = d2l.get_fashion_mnist_labels(y)
preds = d2l.get_fashion_mnist_labels(net(X).argmax(axis=1))
titles = [f"{true}\n{pred}" for true, pred in zip(trues, preds)]
d2l.show_images(X[0:n].reshape(n, 28, 28), 1, n, titles=titles[0:n])
predict_ch3(net, test_iter)
数值稳定性问题
在实际实现中,直接计算Softmax可能会遇到数值不稳定的问题:
- 当输入值很大时,exp(x)可能导致数值溢出
- 当输入值很小时,exp(x)可能导致数值下溢
解决方案通常是在计算Softmax前减去最大值:
def softmax(X):
X_exp = np.exp(X - X.max(1, keepdims=True))
return X_exp / X_exp.sum(1, keepdims=True)
总结
本文详细介绍了从零实现Softmax回归的关键步骤:
- 数据准备和预处理
- 模型参数初始化
- Softmax运算实现
- 交叉熵损失函数
- 训练循环和优化
- 预测和评估
Softmax回归虽然简单,但包含了深度学习模型的基本要素,是理解更复杂神经网络的基础。
登录后查看全文
热门项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0287Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp英语课程填空题提示缺失问题分析2 freeCodeCamp全栈开发课程中React实验项目的分类修正3 freeCodeCamp博客页面工作坊中的断言方法优化建议4 freeCodeCamp课程中屏幕放大器知识点优化分析5 freeCodeCamp课程视频测验中的Tab键导航问题解析6 freeCodeCamp论坛排行榜项目中的错误日志规范要求7 freeCodeCamp音乐播放器项目中的函数调用问题解析8 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析9 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析10 freeCodeCamp课程页面空白问题的技术分析与解决方案
最新内容推荐
PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
161
2.05 K

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16

React Native鸿蒙化仓库
C++
198
279

基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
949
556

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
96
15

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
346
1.33 K