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
断眉的派大星16 小时前
CLIP原理详解:图像与文本的跨模态学习
人工智能·深度学习·机器学习
人工智能培训16 小时前
中小企业低成本落地AI工具实操方案
大数据·人工智能·gpt·机器学习·agi
崖边看雾16 小时前
机器学习——支持向量机
人工智能·机器学习·支持向量机
LaughingZhu16 小时前
Product Hunt 每日热榜 | 2026-08-05
人工智能·深度学习·神经网络·搜索引擎·百度
zzm62816 小时前
KSD测试:线性时间的分布异同检验方法
人工智能·机器学习·论文笔记·nips·ksd·分布检验
淼澄研学16 小时前
PyTorch核心实操:从张量计算到混合精度训练的5个关键步骤
人工智能·pytorch·python
淼澄研学16 小时前
PyTorch 2.0 核心机制解析与5个实操方法
人工智能·pytorch·python
芸翳&Camellia16 小时前
2026年电赛H题钢珠识别——基于深度学习的视觉目标检测与实时速度估计系统技术分析
嵌入式硬件·深度学习·目标检测·电赛
_codemonster16 小时前
手语识别及翻译项目实战系列--认识CSL2018数据集
人工智能·深度学习
半兽先生17 小时前
MinerU + LibreOffice 混合架构:搞定 .doc/.ppt 旧格式文档解析与切片
人工智能·python·机器学习·ai·架构