pytorch softmax 中参数 dim 的理解

最新推荐文章于 2023-08-14 16:25:53 发布
最新推荐文章于 2023-08-14 16:25:53 发布
阅读量5.9k 收藏 51
点赞数 15
分类专栏： pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_35762060/article/details/109687584
版权

首先，先看官方定义

dim: A dimension along which Softmax will be computed (so every slice along dim will sum to 1)

具体解释为：
当 dim=0 时，是对每一维度相同位置的数值进行softmax运算；
当 dim=1 时，是对某一维度的列进行softmax运算；
当 dim=2 或 -1 时，是对某一维度的行进行softmax运算；

在这里插入图片描述

Ref
pytorch中tf.nn.functional.softmax(x,dim = -1)对参数dim的理解

GISer and Coder
关注
  • 15
    点赞
  • 踩
  • 51
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
AmSoftmax pytorch实现代码
05-29
AmSoftmax pytorch实现代码
pytorch 实现查看网络中的参数
09-18
今天小编就为大家分享一篇pytorch 实现查看网络中的参数，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
【Pytorch】| Pytorch中softmax的dim的详细总结
HsinglukLiu的博客
02-28 3098
【Pytorch】| Pytorch中softmax的dim的详细总结关于softmax的理解一维向量：dim=0和dim=-1结果相同，dim=1和dim=2会报错二维张量：dim=1和dim=-1结果相同，dim=2会报错最终结论 作者：刘兴禄，清华大学博士在读 欢迎关注我们的微信公众号 运小筹 关于softmax的理解 Softmax的公式为 softmax(xi)=exi∑iexi \text{softmax} (x_i) = \frac{e^{x_i}}{\sum_{i}{e^{x_i}}} s
Pytorch torch.nn.Softmax的dim参数
m0_50951713的博客
06-13 684
Pytorch torch.nn.Softmax的dim参数
pytorch nn.softmax----dim
slm1130的博客
11-17 328
nn.Softmax(dim=1) 中dim即表明softmax作用于那个维度，dim=0即第一维度sum为1，dim=1即第二维度sum=1，依次类推。
Pytorch nn.Softmax(dim=?) 详解
我有明珠一颗的博客
05-12 2388
有了这个d0,d1,d2,d3...的维度说明之后，我们可以去理解任意一个tensor的Softmax运算，万变不离其宗。
Pytorch中torch.nn.Softmax的dim参数含义
Left_control_right的博客
10-22 2267
自己搞了一晚上终于搞明白了，下文说的很透彻，做个记录，方便以后翻阅 Pytorch中torch.nn.Softmax的dim参数含义
pytorch 自定义参数不更新方式
01-20
nn.Module中定义参数：不需要加cuda，可以求导，反向传播 class BiFPN(nn.Module): def __init__(self, fpn_sizes): self.w1 = nn.Parameter(torch.rand(1)) print(no-----------------------------------------...
pytorch 共享参数的示例
09-18
今天小编就为大家分享一篇pytorch 共享参数的示例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
关于pytorch中网络loss传播和参数更新的理解
09-18
今天小编就为大家分享一篇关于pytorch中网络loss传播和参数更新的理解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
【笔记】softmax的计算方法:dim是规定计算相应维度数据的softmax
nyist_yangguang的博客
08-30 554
import torch as t import torch.nn as nn m = nn.Softmax(dim=0) input = t.tensor([1, 3, 3, 4, 5, 6], dtype=t.float32) print(input) output = m(input, ) print(output) import math import numpy z = [1.0, 2.0, 3.0, 4.0, 1.0, 2.0, 3.0] z_exp = [math.exp(i)...
Pytorch的 torch.nn.functional中softmax的作用及其参数说明
热门推荐
OneBaBa的专栏
10-20 1万+
class torch.nn.Softmax(input, dim) 或 torch.nn.functional.softmax(input, dim) 对n维输入张量运用Softmax函数，将张量的每个元素缩放到（0,1）区间且和为1。Softmax函数定义如下： 参数： 　　dim:指明维度，dim=0表示按列计算；dim=1表示按行计算。默认dim的方法已经弃用了，最好声明dim，否则会警告： UserWarning: Implicit dimension choice for .
关于softmax的dim到底计算的是哪里
weixin_40286308的博客
07-19 355
如果用dim=0的softmax，那就是变换第0维的坐标，固定第1维的坐标。如果用dim=1的softmax，那就是变换第1维的坐标，固定第0维的坐标。对（0,0）和（0,1）和（0,2）做softmax；对（1,0）和（1,1）和（1,2）做softmax；对（0,0）和（1,0）做softmax；对（0,1）和（1,1）做softmax；对（0,2）和（1,2）做softmax；dim=x，就变换第x维的坐标，固定其他的坐标。比如这个（2，3）的二维tensor。...
pytorch从F.softmax(dim)出发，看数学解释和各种函数维度的解释
xinjieyuan的博客
04-06 4261
从F.softmax(dim)出发看维度dim的选择 1.dim定义： 当矩阵x是二维的时候（这个大家都懂，行列去理解） dim=0代表: ∑i=0Nx[i,j]=1\sum_{i=0}^N x[i,j ]=1i=0∑N​x[i,j]=1 j是个固定值，是常数；N的值来自len(x[:,j])-1，也就是一共多少行减1; 代码表现方式： sum(x[:,j]) = 1 → Tensor ...
torch.nn.softmax(dim),理解Softmax分类器
weixin_46568462的博客
11-17 3191
例如一列数组[1,2,3,4,5,6,7,8,9,10],代入到softamx计算公式之中，我们可以从公式中看出元素的数值越大，softmax算出的值也就越大，对应在图像处理中也就是概率越大。dim=2时，对应维度数值为4，因此每次只有4个元素进行Softmax计算。dim=0时，对应维度数值为2，因此每次只有两个元素进行Softmax计算。dim=1时，对应维度数值为3，因此每次只有3个元素进行Softmax计算。上述两式子合成一个: nn.Softmax(dim=2)(a)
对softmax中dim的理解
最新发布
qq_51206550的博客
08-14 166
设定的维数dim是几，就其它维先保持不变，然后这一维从0遍历到N，求这一维的softmax，之后运算其它维度，dim这一维再从0~N求一下。就是每次都是dim=1这一维从0到N-1来算softmax 剩下的维度不变，然后剩下的维度变一下，再把dim这一维算一下。算的时候先[0,0,0,0],[0,1,0,0],[0,2,0,0],...,[0,N-1,0,0]之后算[1,0,0,0],[1,1,0,0],[1,2,0,0],...,[1,N-1,0,0]比如tensor一共有4维，dim=1。
F.softmax函数dim解读
WAWA战士的博客
05-09 4698
F.softmax(score, dim=1) dim=1就是对score矩阵中 所有第1维下标不同，其他维下标均相同的元素进行操作（softmax） 比如a[0][8][15]和a[7][8][15]都会被选中，同时进行同一操作 而a[0][8][15]和a[0][8][15]不会 a[0][8][15]和a[0][7][15]也不会 ...
pytorch softmax
07-29
PyTorch提供了softmax函数的实现方式。你可以使用`torch.nn.functional.softmax`函数...dim参数指定了在哪个维度上进行softmax操作，0表示按列计算softmax。 希望这可以帮助到你！如果你有任何其他问题，请随时提问。

“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 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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