目录
- 简介
- torch.nn.Softmax()
- 语法
- 作用
- 举例
- 参考
- 结语
简介
Hello！
非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～
ଘ(੭ˊᵕˋ)੭
昵称：海轰
标签：程序猿｜C++选手｜学生
简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研
学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！
唯有努力💪
本文仅记录自己感兴趣的内容
torch.nn.Softmax()
语法
torch.nn.Softmax(dim=None)
- dim (int) ：计算 Softmax 的维度（因此沿 dim 的每个切片的总和为 1）。
return
- 一个与输入具有相同维度和形状的张量，其值在 [0, 1] 范围内
作用
将 Softmax 函数应用于 n 维输入张量，重新缩放它们，使 n 维输出张量的元素位于 [0,1] 范围内并且总和为 1
Applies the Softmax function to an n-dimensional input Tensor rescaling them so that the elements of the n-dimensional output Tensor lie in the range [0,1] and sum to 1.
Softmax定义：
当输入张量是稀疏张量时，未指定的值将被视为 -inf
举例
m = nn.Softmax(dim=0)
input = torch.tensor([[1.,2,3],[4,5,6]])
output = m(input)
print('input : \n', input)
print('output : \n', output)
m = nn.Softmax(dim=1)
input = torch.tensor([[1.,2,3],[4,5,6]])
output = m(input)
print('input : \n', input)
print('output : \n', output)
以上的区别在于dim=0 or dim=1
也就是进行softmax运算选择的那一维度
dim=0，第一维，Pytorch是列优先
dim=1，第二维，按行
注意：
-
dim = -1 也就是按最后一维 - 进入softmax需为float类型
参考
- https://pytorch.org/docs/stable/generated/torch.nn.Softmax.html#torch.nn.Softmax
结语
文章仅作为个人学习笔记记录，记录从0到1的一个过程
希望对您有一点点帮助，如有错误欢迎小伙伴指正
