nn.Softmax()与nn.LogSoftmax()与F.softmax()

本文介绍了PyTorch中nn.Softmax、nn.LogSoftmax和F.softmax的区别与用法,包括它们的公式、导数以及在交叉熵损失函数中的应用。特别提到了在计算交叉熵损失时,可以使用F.softmax配合nn.CrossEntropyLoss或nn.Logsoftmax配合nn.NLLLoss,并建议在TensorFlow中使用tf.keras.losses.categorical_crossentropy并设置from_logits=True以确保数值稳定性。
摘要由CSDN通过智能技术生成

nn.Softmax()与nn.LogSoftmax()与F.softmax()

nn.Softmax()
计算出来的值,其和为1,也就是输出的是概率分布,具体公式如下:
在这里插入图片描述
这保证输出值都大于0,在0,1范围内。

nn.LogSoftmax()
公式如下:
在这里插入图片描述
由于softmax输出都是0-1之间的,因此logsofmax输出的是小于0的数,
softmax求导:
在这里插入图片描述

logsofmax求导:
在这里插入图片描述

例子:

import torch.nn as nn
import torch
import numpy as np
layer1=nn.Softmax()
layer2=nn.LogSoftmax()
 
input=np.asarray([2,3])
input
评论 1
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