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
姜穆澜17 分钟前
机器学习实战指南:从算法原理到工程落地
人工智能·算法·机器学习
2502_9385302223 分钟前
周报8.29
深度学习
海上小飞龙1 小时前
大模型推理的两阶段:一次 Prefill,加上多次 Decode
人工智能·深度学习·语言模型
β添砖java2 小时前
深度学习32Transformer、BERT、
人工智能·深度学习
月华路3 小时前
《模型不玄学》第20章 两种评估视角
人工智能·算法·机器学习
xxwl5854 小时前
高斯消元法异或版
人工智能·算法·机器学习
半摆烂日常4 小时前
自建WMS和买成品:三年成本对比
大数据·服务器·数据库·python·深度学习·低代码·numpy
zzzll11114 小时前
RAG(检索增强生成)会不会消亡?
人工智能·深度学习·机器学习
雷焰财经5 小时前
美国推动“轻监管”AI路线:AI发展的速度与安全边界将如何平衡?
人工智能·安全·机器学习
等一朵映山红5 小时前
网格搜索、随机搜索与贝叶斯优化:超参数优化方法的系统性比较
人工智能·机器学习