pytorch基础(二)

1、 nn.Softmax(dim)

新建一个2x2大小的张量,一行理解成一个样本经过前面网络计算后的输出(1x2),则batch_size是2

import numpy as np                
import torch                
import torch.nn as nn                
a = np.array([[1.5, 6.7],[6.8, 3.4]])                
b = torch.from_numpy(a)
f = nn.Softmax(dim = 0)
c = f(b)

输出结果:

 tensor([[0.0050, 0.9644], [0.9950, 0.0356]], dtype=torch.float64)

可以发现,是每一列和为1.

 f = nn.Softmax(dim = 1)

输出结果可以得到:

tensor([[0.0055, 0.9945],  [0.9677, 0.0323]], dtype=torch.float64)

可以发现是每一行和为1
当nn.Softmax的输入是一个二维张量时,其参数dim = 0,是让列之和为1;dim = 1,是让行之和为1。
nn.Softmax的输入是三维张量时,dim的取值就变成了0,1,2

a = np.array([[[1.5, 6.7, 2.4],

              [6.8, 3.4, 9.3]],

              [[3.1, 6.5, 1.9],

              [8.9, 1.2, 2.5]]])

a换成一个三维数组,大小是2x2x3,可以看成是2个2x3大小的输入
定义Softmax函数的dim为0

tensor([[[0.1680, 0.5498, 0.6225], 
         [0.1091, 0.9002, 0.9989]],  
        [[0.8320, 0.4502, 0.3775],   
         [0.8909, 0.0998, 0.0011]]], dtype=torch.float64)

发现其中;
在这里插入图片描述
让两个2x3数据的对应位置和为1.
dim=1,结果是:

tensor([[[0.0050, 0.9644, 0.0010],        
         [0.9950, 0.0356, 0.9990]],
  • 0
    点赞
  • 1
    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