python怎么求指数_求指数 python

softmax用于多分类过程中最后一层，将多个神经元的输出，映射到(0, 1)区间内，可以看成概率来理解，从而来进行多分类！

softmax函数如下： 更形象的如下图表示： softmax 直白来说就是讲原来输出是 3, 1, -3 通过 softmax 函数一作用，就映射成为(0， 1)的值，而这些值的累和为1，那么我们就可以将其理解成概率，在最后选取输出节点的时候，我们可以选取概率最大的节点，作为我们的预测目标！

Python代码实现：

# _*_coding:utf-8_*_

import tensorflow as tf

import numpy as np

import math

# softmax函数，或称归一化指数函数

def softmax(x, axis=1):

# 为了避免求 exp(x) 出现溢出的情况，一般需要减去最大值

# 计算每行的最大值

row_max = x.max(axis=axis)

# 每行元素都需要减去对应的最大值，否则求exp(x)会溢出，导致INF情况

row_max = row_max.reshpae(-1, 1)

x = x - row_max

x_exp = np.exp(x)

# 如果是列向量，则axis=0

x_sum = np.sum(x_exp, axis=1, keepdims=True)

s = x_exp / x_sum

r