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。

文档反馈

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：

softmax (i n p u t_{i}) = \frac{\exp (i n p u t_{i})}{\sum_{j = 0}^{n - 1} \exp (i n p u t_{j})},

其中， $i n p u t_{i}$ 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 ]