可视化理解Sigmoid和Softmax函数导数

点击小程序观看视频（时长约22分钟）

视频内容简介：

    

    Sigmoid 和 Softmax 函数在神经网络模型中很常见。如果对它们的导数能有更清楚的理解，就能更好地帮助我们理解在反向回传过程中，梯度是如何回传的。Sigmoid 函数的导数从其数学式子上很容易看出来，而 Softmax 函数的导数则可以看作是 Sigmoid 的扩展，也就是从二分类扩展到多分类。

    在该视频中 up 主结合交互式的可视化图形网页，向观众解释了 Sigmoid 和 Softmax 函数的导数是如何得到的，并且展示了它们之间的关系。

    视频中up主用来解释 Sigmoid 和 Softmax 函数导数的交互式图形的网页的链接：

https://www.desmos.com/calculator/r8hxsriucw

https://www.desmos.com/calculator/u5r0zgh3jg

感兴趣的可以打开去玩一下。