基于numy实现softmax功能

本文利用numpy模块实现softmax的功能。

    import numpy as np

    def softmax_np(logits):
        assert (isinstance(logits, np.ndarray)), 'only numpy is available'
        exp_value = np.exp(logits)  # 计算指数值
        dim_ext = np.sum(exp_value, 1).reshape(-1, 1)
        return exp_value / dim_ext

    x_val = [[1, 2, 3], [3, 2, 2]]
    logits = np.array(x_val)
    s_v = softmax_np(logits)
    print s_v, np.sum(s_v, 1)

参考文献:

  1. https://stackoverflow.com/questions/34968722/how-to-implement-the-softmax-function-in-python
  2. softmax函数计算时候为什么要减去一个最大值?

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值