torch.nn.Softmax(dim=0,1,2)

1.基础概念讲解

1.1 softmax函数

softmax函数：又称归一化指数函数，是二分类函数sigmoid在多分类上的推广，目的是将多分类的结果以概率的形式展现出来
作用：模型已经有分类预测结果以后，将预测结果输入softmax函数，进行非负性和归一化处理，最后得到0-1之内的分类概率

1.2 softmax函数计算方法

图示：

1.3 softmax函数公式

softmax函数：

1.4 softmax函数项目代码展示

以下代码只是一个项目中的一部分，主要是看softmax函数：

			sm = torch.nn.Softmax(dim=1)
			scores = sm(model(inputs))

model(inputs)输出为：

注：512为图片张数，2为两类各自的概率
经过softmax函数，进行归一化处理，得到scores为：

2.测试代码

先假设y为一个[2,2,3]的张量

import torch
import torch.nn as nn

y = torch.tensor([[[1.,2.,3.],[4.,5.,6.]],[[7.,8.,9.],[10.,11.,12.]]]) #y.shape = torch.Size([2, 2, 3])

net_1 = nn.Softmax(dim=0)
net_2 = nn.Softmax(dim=1)
net_3 = nn.Softmax(dim=2)
print('dim=0的结果是：\n',net_1(y),"\n")
print('dim=1的结果是：\n',net_2(y),"\n")
print('dim=2的结果是：\n',net_3(y),"\n")

3.结果

3.1 y

对于y可以分三个方向：

3.1.1 x和y方向：

3.1.2 z方向：

3.2 dim=0的结果

解析：
dim = 0指第一个维度，在本例中第一个维度指[2,2,3]中的第一个2，即下图中红色的中括号，红框中包含两组数据(绿色和蓝色),每组数据大小为2*3的矩阵。dim=0也就是在下图中先沿着x轴方向考虑：

将绿色2*3矩阵中的所有数据相加，求均值：

将蓝色2*3矩阵中的所有数据相加，求均值：

用softmax函数计算：

3.3 dim=1的结果

解析：
dim = 1指第二个维度，在本例中第二个维度指[2,2,3]中的第二个2，即下图中红色的中括号，红框中包含两组数据(绿色和黄色)。dim=1也就是在下图中先沿着y轴方向考虑：

将绿色数据相加，求均值：

将黄色数据相加，求均值：

用softmax函数计算：

3.4 dim=2的结果

解析：
dim = 2指第三个维度，在本例中第三个维度指[2,2,3]中的第三个3，即下图中红色的中括号，每一列包含一组数据，一共三组数据(绿色，黄色，棕色)：

将绿色数据相加，求均值：

将黄色数据相加，求均值：

将棕色数据相加，求均值：

用softmax函数计算：