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
uncle_ll23 分钟前
分类任务解决样本数据不均衡的落地实战指南
人工智能·深度学习·机器学习·分类·数据处理
一切皆是因缘际会35 分钟前
掌控信息论:同源星际通信零延迟架构
人工智能·深度学习·ai·系统架构·信息与通信·星际通信·同源通信
tellmewhoisi42 分钟前
机器学习:聚类算法
算法·机器学习·聚类
Ivanqhz1 小时前
线性模型计算量、MFU、反向传播 FLOPs
人工智能·深度学习·机器学习
FelixZhang0281 小时前
量化求真10|回测通过以后,策略就能上场吗?
人工智能·python·深度学习·学习·机器学习·金融·lstm
丁希希哇1 小时前
激活函数(Activation Function)
人工智能·机器学习
tellmewhoisi1 小时前
机器学习:集成学习4(XGBoost前置知识泰勒展开式2)
人工智能·机器学习·集成学习
云杂项1 小时前
A Survey of Privacy Attacks in Machine Learning(个人笔记)
人工智能·安全·机器学习
tellmewhoisi2 小时前
机器学习:集成学习4(XGBoost推导)
人工智能·机器学习·集成学习
一水鉴天2 小时前
软件方法—工程函数—语言模型 20260925(千问)
人工智能·机器学习·边缘计算