Un réseau neuronal convolutif se termine par une couche entièrement connectée de 10 sorties représentant 10 classes d'animaux. Quelle fonction doit être appliquée à cette couche pour que le modèle produise une distribution de probabilité sur les 10 classes ?

Softmax est la fonction d'activation appropriée pour la couche de sortie d'un réseau de neurones effectuant une classification multi-classes, car elle convertit les scores bruts (logits) en probabilités qui totalisent 1. Cela permet au modèle de prédire la probabilité que l'entrée appartienne à chacune des 10 classes d'animaux. Dropout est une technique de régularisation pour prévenir le surapprentissage. Smooth L1 loss est une fonction de perte utilisée pour la régression, pas pour la classification de probabilités. ReLU est une fonction d'activation non linéaire couramment utilisée dans les couches cachées des réseaux de neurones, mais elle ne produit pas de distribution de probabilité.