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
跟我学机器学习16 分钟前
Agent记忆机制:短期记忆与长期记忆概览
人工智能·深度学习·语言模型·数据挖掘
明志数科35 分钟前
机器人训练数据的结构性缺口:场景·视角·质量的三重错配分析
人工智能·深度学习·机器人
yunfanleo41 分钟前
模型微调(Fine-tuning)详解:原理、Full/LoRA/QLoRA 三种方案对比与 PEFT 工程实践
人工智能·深度学习·机器学习·大模型·人工智能python
老唐7771 小时前
(附代码)使用OpenCV和关键点检测计算瓶子角度
人工智能·深度学习·opencv·目标检测·计算机视觉·ai·transformer
鬓戈1 小时前
AI基础之神经网络
人工智能·深度学习·神经网络
薛定猫AI2 小时前
【技术干货】基于本地优先架构的开源AI智能体Octopus系统设计与实战解析
python·机器学习·ai·大模型·技术实战
python机器学习ML2 小时前
机器学习——XGBoost+贝叶斯优化+特征工程+SHAP+ROC+Calibration+Lift+七视角拆解模型
人工智能·机器学习
会议咨询2 小时前
2026年智能医疗、机器学习与数智技术国际会议(IMDIT 2026)
机器学习·智能医疗·数智技术
Keep_Trying_Go2 小时前
分割算法FastSAM论文详解
深度学习·算法·计算机视觉
jerryinwuhan2 小时前
离散元分析(DEM)和机器学习(Machine Learning, ML)
人工智能·机器学习