每天给你送来NLP技术干货！
来自：AI算法小喵
写在前面
在神经网络中，假设网络模型的最后一层是使用 softmax 去得到一个概率分布，且损失函数使用的是 cross entropy loss （交叉熵损失），那我们就会遇到 LogSumExp（之后简称 LSE ）。本文将对 LSE 的相关知识进行简要介绍。
1. 由来
假设我们有 个值的数据集 ，我们想要求 的值，应该如何计算？看上去这个问题可能比较奇怪，但实际上我们在神经网络中经常能碰到这个问题。
在神经网络中，假设我们的最后一层是使用 softmax 去得到一个概率分布，其中 softmax 的形式为：
这里的 是其中的一个值。最终 loss函数 如果使用 cross entropy，那么就涉及到需要对该式求 log，也就是
等式中减号后面的部分，也就是我们上面所要求的 ，即 LogSumExp（LSE）。
2. 特点
我们想要通过 softmax 获得概率分布。假设我们目前有两个数据集：其中一个数据集为 ，另一个数据集为 。
两组数据在理论上应得到的概率分布都应该是 。但实际上如果我们直接按照 去计算时会有：
代码语言：javascript复制>>> import math
>>> math.e**1000
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
OverflowError: (34, 'Result too large')
>>> math.e**-1000
0.0可以发现，对于指数部分，一个计算不出来，另一个结果0，很明显这些结果都是有问题的，LSE 也没法计算。
在 64-bit 系统中，因为 下溢(underflow) 和 上溢(overflow) 的存在，我们没有办法精确计算这些值的结果。那么我们就需要别的方法来解决这个问题，这时候我们就需要对该式进行分析。
由于在 softmax 的时候是针对指数进行操作的，值一定会很大，但是之后在计算 cross-entropy 的时候由于 log 的存在导致值又回到正常范围。因此我们考虑如何去重写这个正常范围内的值。也就是如何去近似LSE。
2. 近似
根据指数函数的性质可以得到:
对于log函数而言，
所以我们可以将LSE重写为：
将这个带入到 cross-entropy 里，那么
此时，对于数据集 来说，LSE就变成可计算的：
在实际应用中，往往会取 ，这样可以保证取指数时的最大值为0。起码不会因为 上溢 而报错，即使其余的 下溢 ，也可以得到一个合理的值。
3. 性质
LSE 函数是 凸函数，且在域内严格单调递增，但是其并非处处严格凸（摘自维基百科[1]）。严格凸的LSE应该是：
首先，如果我们使用线性近似[2] 的方法即 ，那么对于 来说，令 ，可得：
因此有：
那么有：
在维基百科中，该式直接 了。但是由于不清楚这样写的原因，因此在此无法详细描述。
由于 ，且对于正数来说 ，因此有：
即
因此可以说 。换句话说，它实际上是针对 max函数 的一种平滑操作。从字面上理解来说，LSE 函数才是真正意义上的 softmax 函数；而我们在神经网络里所说的 softmax 函数其实是近似于 argmax 函数的，也就是我们平时所用的 softmax 应该叫做 softargmax。
参考资料
[1]
维基百科: https://link.zhihu.com/?target=https://en.wikipedia.org/wiki/LogSumExp
[2]
线性近似: https://link.zhihu.com/?target=https://en.wikipedia.org/wiki/Linear_approximation
来源：https://zhuanlan.zhihu.com/p/153535799 作者：Hurry Z
