Todos os desafios
Fácil 0 resolvidos 0% de aceitação

Softmax Function

Turn raw scores into probabilities that add up to 1, without overflowing on large values.

O que você vai aprender

  • Turn scores into probabilities
  • Subtract the maximum to avoid overflow
  • Make outputs sum to 1

Problema

Ver tradução

The softmax function turns a list of scores (logits) into probabilities. Language models use it to choose the next word:

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

Large scores make e^x overflow, so first subtract the largest score from every score. The result is mathematically the same.

Implement softmax(logits).

Input

logits: A list of scores.

Output

Return the list of probabilities, in the same order. They are all between 0 and 1 and add up to 1.

Restrições

1 ≤ length ≤ 1,000

-1,000 ≤ each score ≤ 1,000

Exemplos

Exemplo 1
Entrada:
logits = [1.0, 2.0, 3.0]

Saída esperada:
expected = [0.090031, 0.244728, 0.665241]
Entrada:
std::vector<double> logits = {1.0, 2.0, 3.0};

Saída esperada:
std::vector<double> expected = {0.090031, 0.244728, 0.665241};
Entrada:
double[] logits = new double[] {1.0, 2.0, 3.0};

Saída esperada:
double[] expected = new double[] {0.090031, 0.244728, 0.665241};

Explicação

e¹ ≈ 2.718, e² ≈ 7.389 and e³ ≈ 20.086 add up to 30.193, so the probabilities are about [0.090031, 0.244728, 0.665241].

Exemplo 2
Entrada:
logits = [1000.0, 1000.0]

Saída esperada:
expected = [0.5, 0.5]
Entrada:
std::vector<double> logits = {1000.0, 1000.0};

Saída esperada:
std::vector<double> expected = {0.5, 0.5};
Entrada:
double[] logits = new double[] {1000.0, 1000.0};

Saída esperada:
double[] expected = new double[] {0.5, 0.5};

Explicação

Computing e^1000 directly overflows. Subtracting the maximum gives [0, 0], and e⁰ / (e⁰ + e⁰) = 0.5 for both.

Como abordar

Tente sozinho primeiro e depois abra uma dica de cada vez.

Dica 1

Subtract the largest logit before exponentiating so the largest transformed score becomes zero and overflow is avoided.

Dica 2

Compute each exponent, sum them once, then divide every exponent by that total to get probabilities.

Dica 3

Make sure the returned values stay in the same order as the input and still sum to one after normalization.

Complexidade esperada

O(n) time, O(n) extra space

Referências

Este desafio foi adaptado para o CodeUtility. Siga o enunciado e as restrições acima.

A melhor solução aprovada de cada programador. As mais rápidas, leves e mais bem avaliadas ficam no topo.

Ainda não há soluções aprovadas. Resolva e fique com o primeiro lugar.

Aprenda com outros

Soluções da comunidade

Ainda não há soluções publicadas. Resolva este desafio para compartilhar a primeira.