Einfach 0 gelöst 0% Erfolgsquote

Softmax-Funktion

Verwandle Rohwerte in Wahrscheinlichkeiten mit Summe 1, ohne bei großen Werten überzulaufen.

Das lernst du

  • Scores in Wahrscheinlichkeiten umwandeln
  • Das Maximum abziehen, um Überlauf zu vermeiden
  • Ausgaben auf die Summe 1 bringen

Problem

Die Softmax-Funktion verwandelt eine Liste von Werten (Logits) in Wahrscheinlichkeiten. Sprachmodelle wählen damit das nächste Wort:

softmax(x)_i = e^(x_i) / (e^(x_1) + e^(x_2) + … + e^(x_n))

Große Werte lassen e^x überlaufen, also ziehe zuerst den größten Wert von jedem Wert ab. Das Ergebnis ist mathematisch dasselbe.

Implementiere softmax(logits).

Eingabe

logits: Eine Liste von Werten.

Ausgabe

Gib die Liste der Wahrscheinlichkeiten in derselben Reihenfolge zurück. Sie liegen alle zwischen 0 und 1 und ergeben zusammen 1.

Einschränkungen

1 ≤ Länge ≤ 1.000

-1.000 ≤ jeder Wert ≤ 1.000

Beispiele

Beispiel 1
Eingabe:
logits = [1.0, 2.0, 3.0]

Erwartete Ausgabe:
expected = [0.090031, 0.244728, 0.665241]
Eingabe:
std::vector<double> logits = {1.0, 2.0, 3.0};

Erwartete Ausgabe:
std::vector<double> expected = {0.090031, 0.244728, 0.665241};
Eingabe:
double[] logits = new double[] {1.0, 2.0, 3.0};

Erwartete Ausgabe:
double[] expected = new double[] {0.090031, 0.244728, 0.665241};

Erläuterung

e¹ ≈ 2.718, e² ≈ 7.389 und e³ ≈ 20.086 ergeben zusammen 30.193, also sind die Wahrscheinlichkeiten etwa [0.090031, 0.244728, 0.665241].

Beispiel 2
Eingabe:
logits = [1000.0, 1000.0]

Erwartete Ausgabe:
expected = [0.5, 0.5]
Eingabe:
std::vector<double> logits = {1000.0, 1000.0};

Erwartete Ausgabe:
std::vector<double> expected = {0.5, 0.5};
Eingabe:
double[] logits = new double[] {1000.0, 1000.0};

Erwartete Ausgabe:
double[] expected = new double[] {0.5, 0.5};

Erläuterung

Direkt e^1000 zu berechnen läuft über. Nach Abzug des Maximums erhält man [0, 0], und e⁰ / (e⁰ + e⁰) = 0.5 für beide.

So gehst du vor

Versuch es zuerst allein und öffne dann einen Hinweis nach dem anderen.

Hinweis 1

Ziehe den größten Logit vor dem Exponenzieren ab, damit der größte transformierte Score null wird und Overflow vermieden wird.

Hinweis 2

Berechne jedes Exponential, summiere sie einmal und teile dann jedes Exponential durch diese Summe, um Wahrscheinlichkeiten zu erhalten.

Hinweis 3

Achte darauf, dass die Rückgabewerte in derselben Reihenfolge wie der Input bleiben und nach der Normalisierung trotzdem zusammen eins ergeben.

Erwartete Komplexität

Zeit O(n), zusätzlicher Speicher O(n)

Referenzen

Diese Aufgabe wurde für CodeUtility angepasst. Beachte die oben genannten Vorgaben und Einschränkungen.

Die beste bestandene Lösung jedes Coders. Schnellere, sparsamere und besser bewertete Lösungen stehen weiter oben.

Noch keine bestandene Lösung. Löse sie und hol dir Platz eins.

Von anderen lernen

Community-Lösungen

Noch keine veröffentlichten Lösungen. Löse die Aufgabe und teile als Erster eine Lösung.