neural-network - 为什么我用 Julia 编写的这个 softmax 函数不会改变输入数据？

Question

我已经在 J​​ulia 中编写了 softmax 函数。它对矩阵逐行执行 softmax 并更改矩阵。但是，当我在 REPL 中调用该函数时，它对矩阵没有影响。我不明白为什么会发生这种情况，我真的很想得到一个解释。

"""
the following function performs softmax on a design matrix row by row
inputs: X:mxn matrix
output: none
"""
function softmax!(X::Array{Float64,2})
    X = exp.(X)
    for i = 1:size(X,1)
        rowsum = sum(X[i,:])
        X[i,:] /= rowsum
    end
end

这是 REPL 中的一个示例调用:

julia> a = rand(2,5)
2×5 Array{Float64,2}:
 0.069014  0.265159  0.489641  0.455672  0.0489479
 0.274386  0.935308  0.41976   0.509558  0.234294

julia> softmax!(a)

julia> a
2×5 Array{Float64,2}:
 0.069014  0.265159  0.489641  0.455672  0.0489479
 0.274386  0.935308  0.41976   0.509558  0.234294

如您所见，矩阵没有变化。非常奇怪的是，如果我对 REPL 中函数内部的内容进行硬编码，就会得到预期的效果。

julia> a = exp.(a)
2×5 Array{Float64,2}:
 1.07145  1.30364  1.63173  1.57723  1.05017
 1.31572  2.548    1.5216   1.66456  1.26402

julia>     for i = 1:size(a,1)
               rowsum = sum(a[i,:])
               a[i,:] /= rowsum
           end

julia> a
2×5 Array{Float64,2}:
 0.161504  0.196502  0.245957  0.237742  0.158295
 0.158256  0.306475  0.183019  0.200214  0.152037

我知道有些事情我不明白，但我不知道那可能是什么。任何帮助都感激不尽 :)

Answer 1

您需要更换 X = exp.(X)与 X .= exp.(X) . Julia 是通过分享传递的，所以当你说 X = exp.(X)从那时起，X在您的函数和 X 中你传入的是指不同的内存。
另请注意，此方法效率相当低，因为 julia 使用列主矩阵。如果你转置你的问题并写，

function softmax!(X::Array{Float64,2})
    X .= exp.(X)
    for j = 1:size(X,2)
        @views rowsum = sum(X[:,j])
        X[:,j] .*= 1/rowsum
    end
end

它会快大约 2 倍