Softmax¶
- class Softmax(axis=None, **kwargs)[源代码]¶
应用一个softmax函数。SoftMax定义为:
\[\text{Softmax}(x_{i}) = \frac{exp(x_i)}{\sum_j exp(x_j)}\]应用softmax于一个n维输入张量,并重新放缩张量中的元素值,使得n维输出张量中所有元素的取值范围为 [0,1] 并且加和为1。
- 参数
axis – 沿着该轴应用softmax。默认情况下,softmax应用于最高维。
实际案例
import numpy as np import megengine as mge import megengine.module as M data = mge.tensor(np.array([-2,-1,0,1,2]).astype(np.float32)) softmax = M.Softmax() output = softmax(data) with np.printoptions(precision=6): print(output.numpy())
输出:
[0.011656 0.031685 0.086129 0.234122 0.636409]