mindspore.mint.special.log_softmax

查看源文件
mindspore.mint.special.log_softmax(input, dim=None, *, dtype=None)[源代码]

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.special.log_softmax(logits, dim=-1)
>>> print(output)
[-4.4519143 -3.4519143 -2.4519143 -1.4519144 -0.4519144]