PyTorch's nn.Softmax() function
发布时间
阅读量：
阅读量
本文深入探讨了Softmax函数中维度参数的作用。
首先阐述一下Softmax函数的基本概念及其作用。
假设输入向量x为[1, 2, 3]。
则经过Softmax激活后的输出向量为[\frac{ e^{ 1} }{ sum }, \frac{ e^{ 2} }{ sum }, \frac{ e^{ 3} }{ sum }]，
其中sum = e^{ 1} + e^{ 2} + e^{ 3} 。
接下来分析torch.nn里面的softmax函数
y = torch.rand(size=[2,2,3])
print(y)
#y的size是2,2,3。可以看成有两张表，每张表2行3列 tensor([[[0.7536, 0.2712, 0.4176],
[0.2008, 0.9512, 0.4904]],
[[0.2232, 0.7459, 0.9858],
[0.9141, 0.0604, 0.4307]]]) net_1 = nn.Softmax(dim=0)
net_2 = nn.Softmax(dim=1)
net_3 = nn.Softmax(dim=2)
print('dim=0的结果是：全部评论 (0)
还没有任何评论哟~