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
AI木马人8 小时前
3.【Prompt工程实战】如何设计一个可复用的Prompt系统?(避免每次手写提示词)
linux·服务器·人工智能·深度学习·prompt
lwf0061648 小时前
导数学习日记
学习·算法·机器学习
ydmy9 小时前
transformer超参数配置(个人理解)
人工智能·深度学习
AI木马人11 小时前
6.深度学习入门:神经网络是如何“思考”的?
人工智能·深度学习·神经网络
小鱼~~13 小时前
TensorDataset简介
深度学习
code_li14 小时前
自动驾驶的调度开源软件
人工智能·机器学习·自动驾驶
wayz1114 小时前
Day 13 编程实战:朴素贝叶斯与极端涨跌预警
人工智能·算法·机器学习
毕胜客源码14 小时前
卷积神经网络的农作物识别系统(有技术文档)深度学习 图像识别 卷积神经网络 Django python 人工智能
人工智能·python·深度学习·cnn·django
小鱼~~15 小时前
GRU模型简介
人工智能·深度学习
小鱼~~15 小时前
DataLoader简介
人工智能·深度学习