mindspore.ops.softmin

mindspore.ops.softmin(x, axis=- 1, *, dtype=None)[源代码]

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 \((N, *)\) ，其中 \(*\) 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 ]