比较与tf.nn.softmax的功能差异

tf.nn.softmax

tf.nn.softmax(logits, axis=None, name=None) -> Tensor

更多内容详见tf.nn.softmax。

mindspore.nn.Softmax

class mindspore.nn.Softmax(axis=-1)(x) -> Tensor

更多内容详见mindspore.nn.Softmax。

差异对比

TensorFlow：它是二分类函数在多分类上的推广，目的是将多分类的结果以概率的形式展现出来。

MindSpore：MindSpore此API实现功能与TensorFlow一致，仅参数名不同。

分类	子类	TensorFlow	MindSpore	差异
参数	参数1	logits	x	功能一致，参数名不同
	参数2	axis	axis	-
	参数3	name	-	不涉及

代码示例

两API实现功能一致，用法相同。

# TensorFlow
import numpy as np
import tensorflow as tf

x = tf.constant([-1, -2, 0, 2, 1], dtype=tf.float16)
output = tf.nn.softmax(x)
print(output.numpy())
# [0.03168 0.01165 0.0861  0.636   0.2341 ]

# MindSpore
import mindspore
import numpy as np
from mindspore import Tensor

x = Tensor(np.array([-1, -2, 0, 2, 1]), mindspore.float16)
softmax = mindspore.nn.Softmax()
output = softmax(x)
print(output)
# [0.03168 0.01165 0.0861  0.636   0.2341 ]