【机器学习基础】对 softmax 和 cross-entropy 求导

柔光的暖阳◎ 2021-10-26 13:38 280阅读 0赞

*  符号定义
 *  对 softmax 求导
 *  对 cross-entropy 求导
 *  对 softmax 和 cross-entropy 一起求导
 *  References

在论文中看到对 softmax 和 cross-entropy 的求导，一脸懵逼，故来整理整理。

以 softmax regression 为例来展示求导过程，softmax regression 可以看成一个不含隐含层的多分类神经网络，如 Fig. 1 所示。

![1351564-20190429093302184-690937183.png][]

Fig. 1 Softmax Regression.

softmax regression 的矩阵形式如 Fig. 2 所示：

![1351564-20190429092636696-1683586564.png][]

Fig. 2 Matrix Form.

## 符号定义 ##

如 Fig. 1 所示，\\(\\bm x = \[x\_1, x\_2, x\_3\]^\{\\top\}\\) 表示 softmax regression 的输入，\\(\\bm y = \[y\_1, y\_2, y\_3\]^\{\\top\}\\) 表示 softmax regression 的输出，\\(\\bm W\\) 为权重，\\(\\bm b = \[b\_1, b\_2, b\_3\]^\{\\top\}\\) 为偏置。

令 Fig. 2 中 softmax function 的输入为 \\(z\_i = W\_\{i, 1\}x\_1 + W\_\{i, 2\}x\_2 + W\_\{i, 3\}x\_3 + b\_i = W\_\{i\}\\bm x + b\_i\\)，其中 \\(i= 1, 2, 3\\)，\\(W\_\{i\}\\) 表示权重矩阵 \\(\\bm W\\) 的第 \\(i\\) 行；softmax function 的输出就是整个网络的输出，即 \\(\\bm y\\)。

> Note: Fig. 1 和 Fig.2 中权重 \\(W\_\{i, j\}\\) 表示第 \\(i\\) 个输出和第 \\(j\\) 个输入之间的联系，和一般的记法（即 \\(W\_\{i, j\}\\) 表示第 \\(i\\) 个输入和第 \\(j\\) 个输出之间权重）相差一个转置。

用 \\(m\\) 表示输出的类别数，本文中 \\(m = 3\\)。

> Note: softmax regression 指的是整个网络，softmax function 仅仅指的是激活函数。本文默认 softmax 代指激活函数，当表示整个网络时会明确说明 softmax regression。

## 对 softmax 求导 ##

softmax 函数的表达式为：  
\\\[ y\_i = \\frac\{e^\{z\_i\}\}\{\\sum\_\{t = 1\}^m e^\{z\_t\}\} \\tag\{1\} \\\]

其中 \\(i= 1, 2, 3\\)。由式（1）可知，\\(y\_i\\) 与 softmax function 所有的输入 \\(z\_j, j = 1,2,3.\\) 都有关。  
softmax function 的输出对其输入求偏导：  
\\\[ \\frac\{\\partial y\_i\}\{\\partial z\_j\} = \\frac\{\\partial \\frac\{e^\{z\_i\}\}\{\\sum\_\{t = 1\}^m e^\{z\_t\}\}\}\{\\partial z\_j\} \\tag\{2\} \\\]

需要对式（2）中 \\(i = j\\) 和 \\(i \\not = j\\) 的情况进行分别讨论。因为式（1）分子中仅含第 \\(i\\) 项，式（2）中如果 \\(i = j\\)，那么导数 \\(\\frac\{\\partial e^\{z\_i\}\}\{\\partial z\_j\} = e^\{z\_i\}\\)，不为 0；如果 \\(i \\not = j\\)，那导数 \\(\\frac\{\\partial e^\{z\_i\}\}\{\\partial z\_j\} = 0\\)。

*  \\(i = j\\)，则式（2）为：  
    \\\[ \\begin\{split\} \\frac\{\\partial y\_i\}\{\\partial z\_j\} &= \\frac\{\\partial \\frac\{e^\{z\_i\}\}\{\\sum\_\{t = 1\}^m e^\{z\_t\}\}\}\{\\partial z\_j\} \\\\ &= \\frac\{e^\{z\_i\} \\cdot \\sum\_\{t = 1\}^m e^\{z\_t\} - e^\{z\_i\} \\cdot e^\{z\_j\} \}\{(\\sum\_\{t = 1\}^m e^\{z\_t\})^2\} \\\\ &= \\frac\{e^\{z\_i\}\}\{\\sum\_\{t = 1\}^m e^\{z\_t\}\} - \\frac\{e^\{z\_i\}\}\{\\sum\_\{t = 1\}^m e^\{z\_t\}\} \\cdot \\frac\{e^\{z\_j\}\}\{\\sum\_\{t = 1\}^m e^\{z\_t\}\} \\\\ &=y\_i(1 - y\_j) \\end\{split\} \\tag\{3\} \\\]

当然，式（3）也可以写成 \\(y\_i(1 - y\_i)\\) 或者 \\(y\_j(1 - y\_j)\\)，因为这里 \\(i = j\\)。

*  \\(i \\not = j\\)，则式（2）为：  
    \\\[ \\begin\{split\} \\frac\{\\partial y\_i\}\{\\partial z\_j\} &= \\frac\{\\partial \\frac\{e^\{z\_i\}\}\{\\sum\_\{t = 1\}^m e^\{z\_t\}\}\}\{\\partial z\_j\} \\\\ &= \\frac\{0\\cdot \\sum\_\{t = 1\}^m e^\{z\_t\} - e^\{z\_i\} \\cdot e^\{z\_j\} \}\{(\\sum\_\{t = 1\}^m e^\{z\_t\})^2\} \\\\ &= - \\frac\{e^\{z\_i\}\}\{\\sum\_\{t = 1\}^m e^\{z\_t\}\} \\cdot \\frac\{e^\{z\_j\}\}\{\\sum\_\{t = 1\}^m e^\{z\_t\}\} \\\\ &= -y\_iy\_j \\end\{split\} \\tag\{4\} \\\]

## 对 cross-entropy 求导 ##

令 \\(\\bm \{\\hat y\} = \[\\hat\{y\}\_1, \\hat\{y\}\_2, \\hat\{y\}\_3\]^\{\\top\}\\) 为输入 \\(\\bm x\\) 真实类别的 one-hot encoding。

cross entropy 的定义如下：  
\\\[ H(\\bm \{\\hat y\}, \\bm y) = - \\bm \{\\hat y\}^\{\\top\} \\log \\bm y = - \\sum\_\{t = 1\}^m \\hat\{y\}\_t\\log y\_t \\tag\{5\} \\\]

对 cross entropy 求偏导：（\\(\\log\\) 底数为 \\(e\\)）  
\\\[ \\frac\{\\partial H(\\bm \{\\hat y\}, \\bm y) \}\{\\partial y\_i\} = \\frac\{\\partial \[- \\sum\_\{t = 1\}^m \\hat\{y\}\_t\\log y\_t \]\}\{\\partial y\_i\} = - \\frac\{\\hat\{y\}\_i\}\{y\_i\} \\tag\{6\} \\\]

\\(\\bm \{\\hat y\}\\) 是确定的值，可以理解为样本的真实 one-hot 标签，不受模型预测标签 \\(\\bm y\\) 的影响。

## 对 softmax 和 cross-entropy 一起求导 ##

\\\[ \\begin\{split\} \\frac\{\\partial H(\\bm \{\\hat y\}, \\bm y) \}\{\\partial z\_j\} &= \\sum\_\{i = 1\}^\{m\} \\frac\{\\partial H(\\bm \{\\hat y\}, \\bm y) \}\{\\partial y\_i\} \\frac\{\\partial y\_i \}\{\\partial z\_j\} \\\\ &= \\sum\_\{i = 1\}^\{m\} -\\frac\{\\hat\{y\}\_i\}\{y\_i\} \\cdot \\frac\{\\partial y\_i \}\{\\partial z\_j\} \\\\ &= \\left(-\\frac\{\\hat\{y\}\_i\}\{y\_i\} \\cdot \\frac\{\\partial y\_i \}\{\\partial z\_j\}\\right )\_\{i = j\} + \\sum\_\{i = 1 , i \\not = j\}^\{m\} -\\frac\{\\hat\{y\}\_i\}\{y\_i\} \\cdot \\frac\{\\partial y\_i \}\{\\partial z\_j\} \\\\ &= -\\frac\{\\hat\{y\}\_j\}\{y\_i\} \\cdot y\_i(1-y\_j) + \\sum\_\{i = 1 , i \\not = j\}^\{m\} -\\frac\{\\hat\{y\}\_i\}\{y\_i\} \\cdot -y\_iy\_j \\\\ &= - \\hat\{y\}\_j + \\hat\{y\}\_jy\_j + \\sum\_\{i = 1 , i \\not = j\}^\{m\} \\hat\{y\}\_iy\_j \\\\ & = - \\hat\{y\}\_j + y\_j\\sum\_\{i = 1\}^\{m\} \\hat\{y\}\_i \\\\ &= y\_j - \\hat\{y\}\_j \\end\{split\} \\tag\{7\} \\\]

交叉熵 loss function 对 softmax function 输入 \\(z\_j\\) 的求导结果相当简单，在 tensorflow 中，softmax 和 cross entropy 也合并成了一个函数，[tf.nn.softmax\_cross\_entropy\_with\_logits][tf.nn.softmax_cross_entropy_with_logits]，从导数求解方面看，也是有道理的。

在实际使用时，推荐使用 tensorflow 中实现的 API 去实现 softmax 和 cross entropy，而不是自己写，原因如下：

*  都已经有 API 了，干嘛还得自己写，懒就是最好的理由；
 *  softmax 因为计算了 `exp(x)`，很容易就溢出了，比如 `np.exp(800) = inf`，需要做一些缩放，而 tensorflow 会帮我们处理这种数值不稳定的问题。

## References ##

[TensorFlow MNIST Dataset and Softmax Regression - Data Flair][]  
[链式法则 - 维基百科][-]  
[Softmax函数与交叉熵 - 知乎][Softmax_ -]

转载于:https://www.cnblogs.com/wuliytTaotao/p/10787510.html

[1351564-20190429093302184-690937183.png]: /images/20211026/9cf4bc0b2a004bdd9a73901cd7ec4ae5.png
[1351564-20190429092636696-1683586564.png]: /images/20211026/e80c1ca2886b4076ae7b21b6b207db62.png
[tf.nn.softmax_cross_entropy_with_logits]: https://www.tensorflow.org/api_docs/python/tf/nn/softmax_cross_entropy_with_logits
[TensorFlow MNIST Dataset and Softmax Regression - Data Flair]: https://data-flair.training/blogs/tensorflow-mnist-dataset/
[-]: https://zh.wikipedia.org/wiki/%E9%93%BE%E5%BC%8F%E6%B3%95%E5%88%99
[Softmax_ -]: https://zhuanlan.zhihu.com/p/27223959