Softmax的原理和作用是什么?
哪些公司问过
答案要点
- softmax(z_i)=exp(z_i)/Σexp(z_j),输出为正且和为 1
- 保持大小顺序并放大差距,用于多分类输出和注意力权重
- 配合交叉熵时梯度为预测概率减真实标签
- 先减最大值防止 exp 溢出,平移不变保证结果不变
- 二分类等价于 Sigmoid,温度参数控制分布平滑程度
易错点
- 直接对大 logit 求 exp 导致溢出
- 多标签分类误用 Softmax
- 把 Softmax 输出当作校准好的真实概率
面试官常见追问
- 为什么减去最大值不影响结果?
- Softmax 和 Sigmoid 怎么选?
- 温度系数有什么作用?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。