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
tongxianchao3 分钟前
MetaPruning: Meta Learning for Automatic Neural Network Channel Pruning
算法·机器学习·剪枝
2301_800256115 分钟前
【数据库pgsql】车辆轨迹分析视图的创建和查询代码解析
人工智能·算法·机器学习
小途软件44 分钟前
基于深度学习的驾驶人情绪识别
java·人工智能·pytorch·python·深度学习·语言模型
金融小师妹1 小时前
机器学习捕捉地缘溢价:黄金突破一周高位,AI预测模型验证趋势强度
大数据·人工智能·深度学习
byzh_rc1 小时前
[机器学习-从入门到入土] 拓展-范数
人工智能·机器学习
一招定胜负2 小时前
自然语言处理CBOW模型:基于上下文预测中间词
人工智能·深度学习·机器学习
华如锦2 小时前
四:从零搭建一个RAG
java·开发语言·人工智能·python·机器学习·spring cloud·计算机视觉
sonadorje2 小时前
梯度下降法的迭代步骤
算法·机器学习
汤姆yu3 小时前
基于深度学习的杂草检测系统
人工智能·深度学习
LaughingZhu3 小时前
Product Hunt 每日热榜 | 2026-01-06
人工智能·经验分享·深度学习·神经网络·产品运营