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
SpikeKing1 小时前
Server - 使用 Docker 配置 PyTorch 研发环境
pytorch·docker·llm
红衣小蛇妖1 小时前
神经网络-Day45
人工智能·深度学习·神经网络
JoannaJuanCV2 小时前
BEV和OCC学习-5:数据预处理流程
深度学习·目标检测·3d·occ·bev
Best_Me074 小时前
深度学习模块缝合
人工智能·深度学习
狂小虎6 小时前
亲测解决self.transform is not exist
python·深度学习
黑鹿0226 小时前
机器学习基础(四) 决策树
人工智能·决策树·机器学习
Fxrain6 小时前
[深度学习]搭建开发平台及Tensor基础
人工智能·深度学习
molunnnn7 小时前
day 18进行聚类,进而推断出每个簇的实际含义
机器学习·数据挖掘·聚类
Humbunklung8 小时前
机器学习算法分类
算法·机器学习·分类
一叶知秋秋8 小时前
python学习day39
人工智能·深度学习·学习