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
丁希希哇17 分钟前
Transformer中的注意力机制(Attention)
人工智能·机器学习·transformer·大语言模型
田里的水稻31 分钟前
PyTorch_torchvision---数据集下载\TensorBoard可视化
人工智能·pytorch·python·深度学习·机器学习
小王2041 小时前
Day 43:TensorRT实战 — 模型转换与优化
深度学习
databook1 小时前
MinMax vs Standard vs Robust:三种特征缩放怎么选
python·机器学习·数据分析
loulanyue_1 小时前
评估范式不变,自进化注定过拟合:大模型高维能力曲面探测与效用定律破局——读复旦大学曹艺馨机器之心AI Insider访谈
深度学习·机器学习
xianghongtao01162 小时前
arxiv_agents_review_2026-10-16
人工智能·深度学习·机器学习
adinnet20262 小时前
企业碳资产管理:从碳盘查到碳交易,把排放理清
人工智能·深度学习·自动化
程序猿阿森4 小时前
【机器学习实战】朴素贝叶斯算法详解:从概率基础到商品评论情感分析
算法·机器学习·概率论
智恒百亿4 小时前
5090 八卡服务器踩坑实录:架构、多卡通信、PyTorch Distributed 一次说清楚
服务器·pytorch·架构
细节处有神明5 小时前
零样本时序预测:Mistral Timestral 本地实测
人工智能·机器学习·时间序列