編者按：Feedly聯(lián)合創(chuàng)始人、大數(shù)據(jù)與機器學習主管Kireet Reddy講解了LogSumExp原理。

機器學習中有很多巧妙的竅門，可以加速訓練，提升表現(xiàn)……今天我將討論LogSumExp這一機器學習中常見的模式。首先給出定義：

我們什么時候會見到這樣的式子？常見的一個地方是計算softmax函數(shù)的交叉熵損失。如果這聽起來冗長難解，那么：1) 習慣一下，ML中太多東西有著瘋狂的名字；2) 直接意識到這沒什么復雜的。有必要的話可以看看斯坦福cs231n的出色講解，或者，就本文而言，只需了解softmax是這樣一個函數(shù)就可以：

其中，分子中的xj是分母中的一個值（其中一個xi）。所以softmax做的基本上是對一些值取冪，然后歸一化，使得所有xj的可能值總和為1，以生成所需的概率分布。

所以，你可以把softmax函數(shù)看成一種接受任何數(shù)字并轉換為概率分布的非線性方法。至于交叉熵，只需了解它是對函數(shù)取對數(shù)。這就涌現(xiàn)出了LogSumExp模式：

為什么這是一種生成概率分布的好方法，也許看起來有點神秘。目前而言，不妨把這當成是信條。

數(shù)值穩(wěn)定性

我們還是接著談談LogSumExp吧。首先，從純數(shù)學的角度來說，LogSumExp沒什么特別的。但是，當我們討論計算機上的數(shù)學時，LogSumExp就特別起來了。原因在于計算機表示數(shù)字的方式。計算機使用固定數(shù)目的位元表示數(shù)字。幾乎所有時刻這都沒什么問題，但是，因為不可能用固定數(shù)目的位元精確表示數(shù)字的無限集合，所以有時這會導致誤差。

讓我們舉例演示這個問題，從xi中取樣兩個樣本：{1000, 1000, 1000}和{-1000, -1000, -1000}。將這兩個序列傳入softmax函數(shù)會得到同一概率分布{1/3, 1/3, 1/3}，然后1/3的對數(shù)是一個合理的負數(shù)。現(xiàn)在讓我們嘗試用Python算下求和中的一項：

>>> import math

>>> math.e**1000

Traceback (most recent call last):

File "", line 1, in

OverflowError: (34, 'Result too large')

哎喲。也許-1000的運氣要好些：

>>> math.e**-1000

0.0

也不對勁。所以我們碰到了某種數(shù)值穩(wěn)定性問題，即使看起來合理的輸入值也會導致溢出。

迂回方案

幸運的是，人們找到了一個很好的緩解方法，根據(jù)冪的乘法法則：

以及對數(shù)的和差公式：

我們有：

上述變換的關鍵在于，我們引入了一個不牽涉log或exp函數(shù)的常數(shù)項c?，F(xiàn)在我們只需為c選擇一個在所有情形下有效的良好的值。結果發(fā)現(xiàn)，max(x1…xn)很不錯。

由此我們可以構建對數(shù)softmax的新表達式：

現(xiàn)在我們用這個新表達式計算之前的兩個樣本。對{1000, 1000, 1000}而言，c = 1000，所以xi-c恒為零，代入上式，我們有：

log(3)是一個很合理的數(shù)字，計算機計算起來毫無問題。所以上面的樣本沒問題。同理，{-1000, -1000, -1000}也沒問題。

關鍵點

思考一些例子后，我們可以得到以下結論：

如果xi的值都不會造成穩(wěn)定性問題，那么“樸素”版本的LogSumExp可以很好地工作。但“改良”版同樣可以工作。

如果至少有一個xi的值很大，那么樸素版本會溢出，改良版不會。其他類似的大數(shù)值xi同理，而并不大的那些xi，基本上逼近零。

對于絕對值較大的負數(shù)，翻轉下符號，道理是一樣的。

所以，盡管并不完美，我們在大多數(shù)情況下能夠得到相當合理的表現(xiàn)，而不會溢出。我創(chuàng)建了一個簡單的python腳本，這樣，你可以通過親自試驗驗證這一點：git.io/fx5Vx

LogSumExp是一個巧妙的竅門，分解了它的機制后，實際上相當容易理解。一旦了解了LogSumExp和數(shù)值穩(wěn)定性問題，你就不會感到一些庫的文檔和源代碼難以理解了。

為了鞏固記憶（同時操練下數(shù)學），我建議你過一段時間嘗試自行推導下數(shù)學，并在腦海中設想各種例子，做下推理。接著運行我的代碼（或者自己動手重寫），以驗證你的直覺。