Fonction softmax

La fonction softmax transforme une liste de scores (logits) en probabilités. Les modèles de langage s'en servent pour choisir le mot suivant :

softmax(x)_i = e^(x_i) / (e^(x_1) + e^(x_2) + … + e^(x_n))

De grands scores font déborder e^x : soustrayez d'abord le plus grand score de chaque score. Le résultat est mathématiquement identique.

Implémentez softmax(logits).

Entrée

logits : une liste de scores.

Sortie

Renvoyez la liste des probabilités, dans le même ordre. Elles sont toutes entre 0 et 1 et leur somme vaut 1.

Contraintes

1 ≤ longueur ≤ 1 000

-1 000 ≤ chaque score ≤ 1 000

Exemples

Entrée :
logits = [1.0, 2.0, 3.0]

Sortie attendue :
expected = [0.090031, 0.244728, 0.665241]

Entrée :
std::vector<double> logits = {1.0, 2.0, 3.0};

Sortie attendue :
std::vector<double> expected = {0.090031, 0.244728, 0.665241};

Entrée :
double[] logits = new double[] {1.0, 2.0, 3.0};

Sortie attendue :
double[] expected = new double[] {0.090031, 0.244728, 0.665241};

Entrée :
logits = [1000.0, 1000.0]

Sortie attendue :
expected = [0.5, 0.5]

Entrée :
std::vector<double> logits = {1000.0, 1000.0};

Sortie attendue :
std::vector<double> expected = {0.5, 0.5};

Entrée :
double[] logits = new double[] {1000.0, 1000.0};

Sortie attendue :
double[] expected = new double[] {0.5, 0.5};

Références

Ce défi a été adapté pour CodeUtility. Suivez l'énoncé et les contraintes ci-dessus.

• Goodfellow, Bengio and Courville, Deep Learning
• Stanford CS231n, Neural Networks Part 1