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
雾屿_Mistisle13 小时前
模型窃取与隐私泄露(二)模型反演与模型提取
机器学习·数据分析
别动我齐刘海14 小时前
ROS2 Jazzy + C++ 实战路线——基础学习2
c++·人工智能·vscode·python·学习·机器学习·机器人
tellmewhoisi14 小时前
机器学习:集成学习2(GBDT算法)
机器学习
tellmewhoisi14 小时前
机器学习:朴素贝叶斯
机器学习
逻辑君15 小时前
MoreLogic RAG 个人免费版 · 产品宣传手册和产品白皮书
人工智能·机器学习
autotian15 小时前
神经网络及其应用
人工智能·深度学习·神经网络
雾屿_Mistisle15 小时前
AI安全设计总结
人工智能·机器学习·数据分析
皇儒无上15 小时前
智慧矿山-关于推进山西省煤矿灾害差异化智能化建设强化 AI 风险防控的政策建议
人工智能·机器学习·区块链
YOLO数据集集合16 小时前
小目标无人机、飞机、直升机检测数据集 | 小目标检测 无人机检测 空中目标识别 低空安防 反无人机9090期
深度学习·yolo·目标检测·无人机·飞机·小目标·直升机
山科智能信息处理实验室16 小时前
arXiv 2025 | Retrieval Survey:推荐系统召回阶段的方法分类与工业落地全解析
深度学习·推荐算法