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
羞儿5 小时前
人体姿态估计系统知识框架
深度学习·计算机视觉·姿态估计·行为识别
Easy_API5 小时前
从“有多少卡“到“卖多少 Token“:算力的标尺正在换
大数据·人工智能·深度学习
蓝羽飞鸟7 小时前
什么是自监督学习
人工智能·深度学习
大江东去浪淘尽千古风流人物8 小时前
【UniSim-SLAM】前馈SLAM的双流架构:Sim(3)统一位姿图、与经典SLAM及DPVO的三范式对比
深度学习·计算机视觉·3d·交互·人体姿态估计·eccv·3d重建
richard_yuu9 小时前
AOI 实战第五篇:c_broken 漏检严重,V4 迭代背后的权衡
开发语言·深度学习·yolo
workflower10 小时前
人形机器人安全伦理标准
人工智能·安全·机器学习·机器人·无人机
FL162386312910 小时前
字母手势识别分割数据集labelme格式366张26类别
深度学习
千里码aicood12 小时前
基于机器学习的雷达低慢小目标识别技术的研究
人工智能·机器学习
leoZ23112 小时前
2026-09-10-静态扫描连错三次-用运行环境当裁判
前端·javascript·vue.js·人工智能·opencv·机器学习·数据挖掘