张量流中的soft-like分布的单热矢量

时间:2017-10-30 11:17:24

标签: python tensorflow

张量流是否有办法将单热矢量转换为类似softmax的分布?

例如,我有以下单热矢量: [0 0 0 0 1 0]

我想要一个具有概率的向量,其中一个值是最可能的数字,例如: [0.1 0.1 0.1 0.1 0.5 0.1]

此向量应始终是随机的,但真正的类具有最高概率。

我怎样才能达到这个目标?

1 个答案:

答案 0 :(得分:0)

解决方案可能是保持你的单热矢量;)。

另一个更常见的是制作一个随机正向量,然后计算最高分d与真实分数之间的差异,然后在d+infinity之间添加一个随机数。 {{1}}到真班的分数,然后归一化以获得有效的分布。 (请注意,您可以强制真正的类的初始分数为0,但编码可能会稍微长一点。)

初始随机向量的分布选择以及要添加到真实等级分数的数量将改变输出分布,但我不知道您想要哪个或为什么要这样做...