文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.ops.softmin

mindspore.ops.softmin(x, axis=- 1, *, dtype=None)

在指定轴上对输入Tensor执行Softmin函数做归一化操作。假设指定轴 $x$ 上有切片，那么每个元素 $x_i$ 所对应的Softmin函数如下所示：

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

其中 $N$ 代表Tensor的长度。

参数：

• x (Tensor) - Softmin的输入，其数据类型为float16或float32。其shape为 $(N,\ast )$ ，其中 $\ast$ 为任意数量的额外维度。

• axis (Union[int, tuple[int]], 可选) - 指定Softmin操作的轴。默认值： -1 。

关键字参数：

• dtype (mindspore.dtype, 可选) - 如果设置此参数，则会在执行之前将 x 转换为指定的类型，返回的Tensor类型也将为指定类型 dtype。默认值： None 。

返回：

Tensor，数据类型和shape与 x 相同。

异常：

• TypeError - axis 不是int或者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，其元素不全在[-len(x.shape), len(x.shape))范围中。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> x = Tensor(np.array([-1, -2, 0, 2, 1]), mindspore.float16)
>>> output = ops.softmin(x)
>>> print(output)
[0.2341  0.636  0.0862  0.01165  0.03168 ]