mindspore.ops.softmin
=====================

.. py:function:: 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 :math:`x` 上有切片，那么每个元素 :math:`x_i` 所对应的Softmin函数如下所示：

    .. math::
        \text{output}(x_i) = \frac{\exp(-x_i)}{\sum_{j = 0}^{N-1}\exp(-x_j)},

    其中 :math:`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 :math:`(N, *)` ，其中 :math:`*` 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** (:class:`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。