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
larance3 小时前
机器学习特征预处理之删移除无关特征
人工智能·机器学习·数据挖掘
薛定e的猫咪6 小时前
【模型推理】深度学习模型部署核心:算子Lower拆解、计算图优化与PNNX源码解析
人工智能·深度学习
lisw057 小时前
【计算机科学技术】从晶圆制备到芯片出厂的流程
人工智能·机器学习·制造
lisw057 小时前
【计算机科学技术】晶圆是什么回事?与芯片的区别与联系!
机器学习·制造
Helen_cai9 小时前
HarmonyOS ArkTS 实战:实现一个校园门禁与访客预约应用
深度学习·华为·harmonyos
All The Way North-9 小时前
【TorchMetrics精通系列①】核心设计哲学 + Accuracy 超详解
机器学习·分类·模型评估·accuracy·准确率·评估指标·torchmetrics
2zcode9 小时前
项目文档:基于MATLAB深度卷积特征的多曝光图像自适应融合系统设计与实现
深度学习·计算机视觉·matlab
湘美书院--湘美谈教育10 小时前
湘美谈教育湘美书院成功学系列:标准即是文明,AI时代的走向
大数据·人工智能·深度学习·机器学习·生活
FriendshipT10 小时前
Ultralytics:解读C3k2模块
人工智能·pytorch·python·深度学习·目标检测