Fonction softmax_loss: Transforme la boucle en fonctionnement matriciel

Question

J'apprends maintenant le cours stanford cs231n. En complétant la fonction softmax_loss, j'ai trouvé qu'il n'est pas facile d'écrire dans un type entièrement vectorisé, en particulier avec le terme dw. Voici mon code. Quelqu'un peut-il optimiser le code? Serait apprécié.

def softmax_loss_vectorized(W, X, y, reg): 

    loss = 0.0 
    dW = np.zeros_like(W) 


    num_train = X.shape[0] 
    num_classes = W.shape[1] 

    scores = X.dot(W) 
    scores -= np.max(scores, axis = 1)[:, np.newaxis] 
    exp_scores = np.exp(scores) 
    sum_exp_scores = np.sum(exp_scores, axis = 1) 
    correct_class_score = scores[range(num_train), y] 

    loss = np.sum(np.log(sum_exp_scores)) - np.sum(correct_class_score) 

    exp_scores = exp_scores/sum_exp_scores[:,np.newaxis] 

    # **maybe here can be rewroten into matrix operations** 
    for i in xrange(num_train): 
    dW += exp_scores[i] * X[i][:,np.newaxis] 
    dW[:, y[i]] -= X[i] 

    loss /= num_train 
    loss += 0.5 * reg * np.sum(W*W) 
    dW /= num_train 
    dW += reg * W 


    return loss, dW 

Answer 1

Voici une implémentation vectorisée ci-dessous. Mais je vous suggère d'essayer de passer un peu plus de temps et d'arriver à la solution vous-même. L'idée est de construire une matrice avec toutes les valeurs softmax et soustraire -1 des éléments corrects.

def softmax_loss_vectorized(W, X, y, reg): 
    num_train = X.shape[0] 

    scores = X.dot(W) 
    scores -= np.max(scores) 
    correct_scores = scores[np.arange(num_train), y] 

    # Compute the softmax per correct scores in bulk, and sum over its logs. 
    exponents = np.exp(scores) 
    sums_per_row = np.sum(exponents, axis=1) 
    softmax_array = np.exp(correct_scores)/sums_per_row 
    information_array = -np.log(softmax_array) 
    loss = np.mean(information_array) 

    # Compute the softmax per whole scores matrix, which gives the matrix for X rows coefficients. 
    # Their linear combination is algebraically dot product X transpose. 
    all_softmax_matrix = (exponents.T/sums_per_row).T 
    grad_coeff = np.zeros_like(scores) 
    grad_coeff[np.arange(num_train), y] = -1 
    grad_coeff += all_softmax_matrix 
    dW = np.dot(X.T, grad_coeff)/num_train 

    # Regularization 
    loss += 0.5 * reg * np.sum(W * W) 
    dW += reg * W 

    return loss, dW