mindspore.mint.nn.functional.log_softmax

mindspore.mint.nn.functional.log_softmax(input, dim=None, *, dtype=None)

在指定轴上对输入Tensor应用LogSoftmax函数。假设在指定轴上， $x$ 对应每个元素 $x_i$ ，则LogSoftmax函数如下所示：

$$\text{output}(x_i)=\log \left(\frac{\exp (x_i)}{\sum _{j=0}^{N-1}\exp (x_j)}\right),$$

其中， $N$ 为Tensor长度。

参数：

• input (Tensor) - 输入Tensor。

• dim (int, 可选) - 指定进行Log softmax运算的轴。默认值： None 。

关键字参数：

• dtype (mindspore.dtype, 可选) - 输出数据类型。如果不为None，则输入会转化为 dtype。这有利于防止数值溢出。 如果为None，则输出和输入的数据类型一致。默认值： None 。

返回：

Tensor，和输入Tensor的shape相同。

异常：

• TypeError - 如果 input 不是Tensor。

• ValueError - 如果 dim 超出范围[-len(input.shape), len(input.shape))。

支持平台：

Ascend

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, mint
>>> logits = Tensor(np.array([1, 2, 3, 4, 5]), mindspore.float32)
>>> output = mint.nn.functional.log_softmax(logits, dim=-1)
>>> print(output)
[-4.4519143 -3.4519143 -2.4519143 -1.4519144 -0.4519144]