mindspore.nn.Softmax
- class mindspore.nn.Softmax(axis=- 1)[源代码]
逐元素计算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:
\[\text{softmax}(input_{i}) = \frac{\exp(input_i)}{\sum_{j=0}^{n-1}\exp(input_j)},\]其中, \(input_{i}\) 是输入Tensor在轴 axis 上的第 \(i\) 个元素。
- 参数:
axis (int,可选) - 指定Softmax运算的轴axis,假设输入 input 的维度为input.ndim,则 axis 的范围为 [-input.ndim, input.ndim) ,-1表示最后一个维度。默认值:
-1
。
- 输入:
input (Tensor) - 用于计算Softmax函数的Tensor。
- 输出:
Tensor,数据类型和shape与 input 相同,取值范围为[0, 1]。
- 异常:
TypeError - axis 既不是int也不是tuple。
ValueError - axis 是长度小于1的tuple。
ValueError - axis 是一个tuple,其元素不都在 [-input.ndim, input.ndim) 范围内。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> import mindspore >>> from mindspore import Tensor, nn >>> import numpy as np >>> # axis = -1(default), and the sum of return value is 1.0. >>> input = Tensor(np.array([-1, -2, 0, 2, 1]), mindspore.float16) >>> softmax = nn.Softmax() >>> output = softmax(input) >>> print(output) [0.03168 0.01166 0.0861 0.636 0.2341 ]