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
千禧皓月4 小时前
【深度学习】图像恢复各种损失函数
人工智能·深度学习
今天AI了吗4 小时前
大模型技术全景(一):AI、机器学习、深度学习,三者的关系到底是什么?一文搞懂
数据库·人工智能·python·sql·深度学习·机器学习·rust
牧羊人.3335 小时前
动手学深度学习 02 | 手写数字识别
图像处理·人工智能·深度学习·算法
克里斯蒂亚诺更新6 小时前
学习PyTorch
人工智能·pytorch·学习
萌动的小火苗7 小时前
3、深度学习与全连接面试题
人工智能·深度学习
悟天特斯7 小时前
智慧楼宇AI节能系统:基于机器学习的建筑能耗优化实践
人工智能·物联网·机器学习
克里斯蒂亚诺更新7 小时前
从XGBoost角度理解为什么要使用机器学习
人工智能·机器学习
茉莉玫瑰花茶8 小时前
RAG 数据检索
人工智能·算法·机器学习
Magic-ZYJ8 小时前
HarmonyOS Navigation 实战:NavPathStack 跳转、传参、返回和路由表一次讲清
人工智能·pytorch·深度学习
别动我齐刘海9 小时前
从0到1独立搭建机器人软件系统
c++·人工智能·神经网络·opencv·目标检测·机器学习·机器人