tf.nn.softmax

`tf.nn.softmax` 是 TensorFlow 中用于实现 softmax 函数的函数。softmax 函数是一种常用的激活函数，通常用于多分类问题中，用于将一个向量转换成概率分布。

softmax 函数的公式如下：

$$
\text{softmax}(x_i) = \frac{e^{x_i}}{\sum_{j=1}^{n} e^{x_j}}
$$

其中，$x_i$ 是输入向量的第 $i$ 个元素，$n$ 是向量的长度。

在 TensorFlow 中，可以使用 `tf.nn.softmax(logits, axis=None)` 函数来计算 softmax。其中，`logits` 是一个张量，它的形状可以是任意的。对于形状为 `(batch_size, num_classes)` 的张量，可以在 `axis` 参数中指定 `axis=1`，表示在第二个维度上进行 softmax。例如：

import tensorflow as tf

logits = tf.constant([[1.0, 2.0, 3.0], [2.0, 4.0, 6.0], [3.0, 6.0, 9.0]])
probs = tf.nn.softmax(logits, axis=1)
print(probs)

输出结果为：

tf.Tensor(
[[0.09003057 0.24472848 0.66524094]
 [0.01587624 0.11731043 0.86681336]
 [0.00426978 0.02931223 0.966418  ]], shape=(3, 3), dtype=float32)

在本例中，我们定义了一个形状为 `(3, 3)` 的张量 `logits`，并使用 `tf.nn.softmax` 函数计算了其 softmax。可以看到，输出结果是一个形状和输入张量相同的张量，其中每个元素都是一个概率值，表示输入张量在对应位置上的概率。