اكتشف كيف تقوم Softmax بتحويل الدرجات إلى احتمالات لمهام التصنيف في الذكاء الاصطناعي، مما يعزز من نجاح التعرف على الصور والبرمجة اللغوية العصبية.
Softmax هي دالة تنشيط حاسمة تُستخدم عادةً في طبقة الخرج للشبكات العصبية (NNs)، خاصةً في مشاكل التصنيف متعدد الفئات. ويتمثل دورها الأساسي في تحويل متجه من الدرجات الأولية (غالباً ما تسمى اللوغاريتمات) التي تولدها الطبقة السابقة إلى توزيع احتمالي على فئات محتملة متعددة. وتمثل كل قيمة مخرجات احتمال انتماء المدخلات إلى فئة معينة، والأهم من ذلك أن مجموع هذه الاحتمالات يصل إلى 1، مما يجعل المخرجات قابلة للتفسير بسهولة كمستويات ثقة للنتائج الحصرية المتبادلة.
من الناحية النظرية، تأخذ دالة Softmax الدرجات الأولية للمخرجات من طبقة الشبكة العصبية وتحولها. وهي تقوم بذلك عن طريق رفع كل درجة إلى الأس أولاً، مما يجعل جميع القيم موجبة ويبرز الدرجات الأكبر بشكل أكبر. بعد ذلك، تقوم الدالة بتطبيع هذه الدرجات المضروبة إلى قوى بقسمة كل درجة على مجموع جميع الدرجات المضروبة إلى قوى. تضمن خطوة التطبيع هذه أن القيم الناتجة تقع بين 0 و1 ومجموعها مجتمعةً يساوي 1، مما يؤدي فعليًا إلى إنشاء توزيع احتمالي عبر الفئات المختلفة. عادةً ما يتم اختيار الفئة التي تتوافق مع أعلى قيمة احتمالية كتوقع نهائي للنموذج. هذه العملية أساسية في نماذج التعلّم العميق (DL) التي تتعامل مع مهام التصنيف.
من المهم التمييز بين Softmax ووظائف التنشيط الأخرى:
يتم استخدام Softmax على نطاق واسع في مختلف مجالات الذكاء الاصطناعي والتعلم الآلي (ML):
على الرغم من قوتها، يمكن أن تكون Softmax حساسة لدرجات المدخلات الكبيرة جدًا، مما قد يؤدي إلى عدم الاستقرار العددي (تجاوز أو نقصان التدفق). أطر التعلم العميق الحديثة مثل PyTorch و TensorFlow إصدارات مستقرة عدديًا من Softmax للتخفيف من هذه المشاكل. يعد فهم سلوكها أمرًا بالغ الأهمية لتدريب النموذج وتفسيره بشكل فعال، وغالبًا ما يتم تسهيل ذلك من خلال منصات مثل Ultralytics HUB لإدارة التجارب وعمليات النشر.
AR
EN
ZH
KO
JA
RU
DE
FR
ES
PT
IT
TR
VI
