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
沃达德软件6 小时前
人工智能治安管控系统
图像处理·人工智能·深度学习·目标检测·计算机视觉·目标跟踪·视觉检测
逄逄不是胖胖8 小时前
《动手学深度学习》-54循环神经网络RNN
人工智能·深度学习
beginner.zs9 小时前
注意力革命:Transformer架构深度解析与全景应用
深度学习·架构·transformer
songyuc9 小时前
【Qwen】DataArguments说明
深度学习·算法·机器学习
2401_8414956410 小时前
【机器学习】电商销售额预测实战
人工智能·python·机器学习·数据清洗·矩阵分解·特征可视化·模型训练评估
漂洋过海的鱼儿10 小时前
机器学习-K临近算法(1)
机器学习
辰尘_星启11 小时前
[最优控制]MPC模型预测控制
线性代数·机器学习·机器人·概率论·控制·现代控制
亚里随笔11 小时前
相对优势估计存在偏差——揭示群体相对强化学习中的系统性偏差问题
人工智能·深度学习·机器学习·llm·agentic·rlvr
小白勇闯网安圈11 小时前
神经网络的简单实现
人工智能·深度学习·神经网络
爱吃泡芙的小白白12 小时前
深度学习五大核心指标:F1、Loss、Learning Rate 等的最新演进与应用实战
人工智能·深度学习·训练测试评价指标