『深度概念』度量学习中损失函数的学习与深入理解 (2)

这就是softmax loss函数，

​表示全连接层的输出。在计算Loss下降的过程中，我们让

​ 的比重变大，从而使得log() 括号内的数更变大来更接近1，就会 log(1) = 0，整个loss就会下降。

其中W和b就是分类层参数，其实就是最后学习到的分类中心，对应下图就是每种颜色对称轴，各种颜色点的集合就是x=encoder（row），就是分类层前面一层的输出。

​

下面图如何理解呢？倒数第二层输出不应该是很多维吗？

形象的理解:当做是一个球体，但是为了可视化方便，把球给压扁了。就成为了二维的图像。（个人理解）

如何操作？应该通过降维方法。

这样如何完成分类的？

我们知道，softmax分类时取的是最大那类（argmax），只要目标那一类大于其他类就可以了。反映在图上，每个点与各类中心的距离（W与b决定），距离哪个中心最近就会分成哪一类。