mindspore.nn.Softmax
- class mindspore.nn.Softmax(axis=- 1)[源代码]
Softmax激活函数,它是二分类函数
mindspore.nn.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。对输入Tensor在轴 axis 上的元素计算其指数函数值,然后归一化到[0, 1]范围,总和为1。
Softmax定义为:
\[\text{softmax}(x_{i}) = \frac{\exp(x_i)}{\sum_{j=0}^{n-1}\exp(x_j)},\]其中, \(x_{i}\) 是输入Tensor在轴 axis 上的第 \(i\) 个元素。
- 参数:
axis (Union[int, tuple[int]]) - 指定Softmax运算的轴axis,假设输入 x 的维度为x.ndim,则axis的范围为 [-x.ndim, x.ndim) ,-1表示最后一个维度。默认值:-1。CPU环境下,axis只支持int类型。
- 输入:
x (Tensor) - 用于计算Softmax函数的Tensor,数据类型为float16或float32。
- 输出:
Tensor,数据类型和shape与 x 相同,取值范围为[0, 1]。
- 异常:
TypeError - axis 既不是int也不是tuple。
TypeError - x 的数据类型既不是float16也不是float32。
ValueError - axis 是长度小于1的tuple。
ValueError - axis 是一个tuple,其元素不都在 [-x.ndim, x.ndim) 范围内。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> # axis = -1(default), and the sum of return value is 1.0. >>> x = Tensor(np.array([-1, -2, 0, 2, 1]), mindspore.float16) >>> softmax = nn.Softmax() >>> output = softmax(x) >>> print(output) [0.03168 0.01166 0.0861 0.636 0.2341 ] >>> assert(1.0 == output.sum())