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
啥都想学点的研究生4 分钟前
一篇文章讲清楚:C4.5决策树和CART决策树
算法·决策树·机器学习
阳明山水9 分钟前
概念漂移分类与自适应策略解析
人工智能·深度学习·算法·机器学习·架构
牧羊人.33321 分钟前
计算机视觉基础第15章|DNN实现图像风格迁移
图像处理·人工智能·深度学习·opencv·计算机视觉
Mickey Q22 分钟前
【深度学习】权重衰减与 Dropout
人工智能·深度学习
麻花地26 分钟前
开源一个 Windows 实时面试助手:听译、置顶提词、按需生成英文稿
深度学习·github
克里斯蒂亚诺更新2 小时前
机器学习和深度学习的主要区别--特征提取
人工智能·深度学习·机器学习
同元软控3 小时前
MWORKS EI:从数字空间到物理世界,面向具身智能产品的一体化研发环境
人工智能·机器学习
毕竟是shy哥10 小时前
计算YOLO数据集中每个类的目标数
算法·yolo·机器学习
VL——MOESR11 小时前
【具身智能】VLA论文阅读随笔
论文阅读·人工智能·机器学习·具身智能·vla
方银的技术分享12 小时前
十五、AI训练师:机器学习-过拟合与欠拟合
人工智能·深度学习·机器学习