nn.functional.softmax(X, dim=-1)

dim=-1表示在最后一个维度(大概率是一行)应用Softmax函数,将值标准化为概率分布。

实例

假设我们有一个张量X,形状为(2,3),内容如下:

复制代码
import torch  
import torch.nn.functional as F  

X = torch.tensor([[1.0, 2.0, 3.0],  
                  [1.0, 2.0, 3.0]])  

# 计算 Softmax  
softmax_result = F.softmax(X, dim=-1)  
print(softmax_result)

输出:

复制代码
tensor([[0.0900, 0.2447, 0.6652],  
        [0.0900, 0.2447, 0.6652]])

可以看到,每一行的输出值加起来为 1,这表示已经进行了Softmax操作。

相关推荐
多年小白12 小时前
紫光国微(002049) 分析
大数据·科技·深度学习·ai
NashSKY12 小时前
EM 算法完整推导与本质剖析
算法·机器学习·概率论
动物园猫12 小时前
金属外表多种生锈检测数据集分享(适用于YOLO系列深度学习分类检测任务)
深度学习·yolo·分类
cyyt12 小时前
深度学习周报(5.11~5.17)
人工智能·深度学习
搬砖的小码农_Sky12 小时前
如何在RX 7900 XTX显卡上运行ROCm?
深度学习·机器学习·gpu算力
RSTJ_162513 小时前
PYTHON+AI LLM DAY FOURTY-EIGHT
开发语言·人工智能·python·深度学习
一切皆是因缘际会14 小时前
AI工程化落地指南:
大数据·人工智能·机器学习·架构
迁旭14 小时前
Claude Code Skill(技能)系统机制与运行原理报告
人工智能·机器学习·gpt-3·文心一言
Cosolar14 小时前
AI Agent 记忆机制全景对比:OpenClaw vs QwenPaw vs Hermes vs HiClaw
人工智能·深度学习·语言模型·chatgpt·面试