softmax函数python实现

在实现一个神经网络项目落地代码，使用matlab训练完后，为了配合其他问题，使用python进行落地，实现DNN的正向计算，在网上看了一大堆softmax函数的实现，发现所有人都是单样本去计算或者循环去计算矩阵，心里默默吐槽，怎么都是这样写，就不能来个正常的例子，一行行这样算都提高不了效率。看来ctrl+c是解决不了问题了，还是自己动手来吧。

首先看下softmax函数公式：

不多说，直接上代码：

#一列一个样本
def softmax_0(x):
    e = np.exp(x)
    #对列求和
    x_sum = np.sum(e,axis=0)[np.newaxis,:]
    
    b = np.tile(x_sum,(np.shape(x)[0],1))
    ret = e/b
    return ret

#一行一个样本
def softmax_1(x):
    e = np.exp(x)
    #对行求和
    x_sum = np.sum(e,axis=1)[:, np.newaxis]
    
    b = np.tile(x_sum,(1,np.shape(x)[1]))
    ret = e/b
    return ret


x1 = np.random.rand(4,2)
y1 = softmax_0(x1)

x2 = np.random.rand(2,4)
y2 = softmax_1(x2)

本人习惯一列一个样本，但可能不同人不同习惯，根据个人喜好吧，一行一个样本和一列一个样本都实现了，可直接使用。

祝大家劳动节快乐！！收工。