softmax的pytorch

在PyTorch中，softmax函数主要存在于两个包中：`torch.nn.Softmax`和`torch.nn.functional.softmax`。它们都用于执行softmax操作，将输入张量转化为概率分布。引用中介绍了`torch.nn.Softmax`的使用方法，该函数接受一个`dim`参数来指定归一化维度，其中`dim=0`代表按行进行归一化，`dim=1`代表按列进行归一化。而引用介绍了`torch.nn.functional.softmax`的使用方法，这个函数多了一个参数`input`，用于指定输入张量。同时，可以通过`dim`参数指定归一化维度。以下是一个示例代码：

import torch
import torch.nn as nn
import torch.nn.functional as F

input_0 = torch.Tensor([1,2,3,4])
input_1 = torch.Tensor([[1,2,3,4],[5,6,7,8]])

# 使用torch.nn.Softmax
softmax_0 = nn.Softmax(dim=0)
softmax_1 = nn.Softmax(dim=1)

output_0 = softmax_0(input_0)
output_1 = softmax_1(input_1)
output_2 = softmax_0(input_1)

print(output_0)
print(output_1)
print(output_2)

# 使用torch.nn.functional.softmax
output_0 = F.softmax(input_0)
output_1 = F.softmax(input_1, dim=0)
output_2 = F.softmax(input_1, dim=1)

print(output_0)
print(output_1)
print(output_2)

另外，引用给出了softmax表达式，该表达式表示了softmax的计算过程。在这个表达式中，将输入张量的每个元素取指数，然后除以同一行（或列）的元素的指数之和，以得到归一化后的结果。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* [Pytorch Softmax用法](https://blog.csdn.net/sinat_40258777/article/details/120275989)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *3* [Pytorch Softmax 多分类](https://blog.csdn.net/qq_39906884/article/details/124153566)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]