Я использую функцию активации Softmaxна последнем слое нейронной сети. Но у меня проблемы с безопасной реализацией этой функции.
Наивной реализацией будет следующая:
Vector y = mlp(x); // output of the neural network without softmax activation function
for(int f = 0; f < y.rows(); f++)
y(f) = exp(y(f));
y /= y.sum();
Это не очень хорошо работает для > 100 скрытых узлов, потому что во многих случаях y будет NaN
(если y(f) > 709, exp (y(f)) вернет inf). Я придумал такую версию:
Vector y = mlp(x); // output of the neural network without softmax activation function
for(int f = 0; f < y.rows(); f++)
y(f) = safeExp(y(f), y.rows());
y /= y.sum();
где safeExp
определяется как
double safeExp(double x, int div)
{
static const double maxX = std::log(std::numeric_limits::max());
const double max = maxX / (double) div;
if(x > max)
x = max;
return std::exp(x);
}
Эта функция ограничивает ввод exp. В большинстве случаев это работает, но не во всех случаях, и мне не удалось выяснить, в каких случаях это не работает. Когда у меня есть 800 скрытых нейронов в предыдущем слое, это вообще не работает.
Однако, даже если бы это работало, я как-то «искажал» результат ИНС. Можете ли вы придумать какой-либо другой способ вычисления правильного решения? Существуют ли какие-либо библиотеки или приемы C++, которые я могу использовать для расчета точного результата этой ANN?
изменить:Решение, предложенное Итамаром Кацем, таково:
Vector y = mlp(x); // output of the neural network without softmax activation function
double ymax = maximal component of y
for(int f = 0; f < y.rows(); f++)
y(f) = exp(y(f) - ymax);
y /= y.sum();
И оно действительно математически то же самое. Однако на практике некоторые небольшие значения становятся равными 0 из-за точности с плавающей запятой. Интересно, почему никто никогда не записывает эти детали реализации в учебники.