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
方方洛2 分钟前
ray教程-14-RayTune与超参搜索
人工智能·分布式·机器学习
Rocky Ding*1 小时前
一文读懂Kimi K3.1 Pro核心基础知识
论文阅读·人工智能·深度学习·机器学习·aigc·大语言模型·ai-native
怎么全是重名2 小时前
PatchCore
人工智能·深度学习·计算机视觉·异常检测
Even_ISP_Color2 小时前
NAFNetLocal_池化窗口一致性
人工智能·深度学习·机器学习
拜小白2 小时前
【论文解读】PanoRoom:从球面到3D布局
深度学习·计算机视觉·全景图
拜小白2 小时前
【论文解读】(JLDNet) Joint 3D Layout and Depth:一张全景图同时算出房间骨架和像素深度
深度学习·计算机视觉·全景图
Interview Aid1123 小时前
McKinsey OA 真题解析:数组优化与机器学习分类
人工智能·机器学习·分类
tellmewhoisi3 小时前
深度学习17:深度神经网络:测试参数优化器效果
人工智能·深度学习
广州智造4 小时前
Radioss中破坏模型FAILTAB1的详细介绍
数据库·人工智能·算法·机器学习·仿真软件·radioss
lisw054 小时前
导数与机器学习优化!
算法·机器学习·数学建模