用python生成softmax函数

以下是使用Python生成softmax函数的示例代码：

import numpy as np

def softmax(x):
    """
    Compute softmax values for each sets of scores in x.
    """
    # Apply exponential function to each element in the input array
    exp_scores = np.exp(x)
    
    # Compute sum of exponential scores for each input row
    sum_exp_scores = np.sum(exp_scores, axis=1, keepdims=True)
    
    # Divide each element in the exponential scores by the sum of exponential scores for its row
    softmax_scores = exp_scores / sum_exp_scores
    
    return softmax_scores

使用示例：

# Define input array
x = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# Compute softmax scores
softmax_scores = softmax(x)

print(softmax_scores)

输出结果：

[[0.09003057 0.24472847 0.66524096]
 [0.09003057 0.24472847 0.66524096]
 [0.09003057 0.24472847 0.66524096]]

在上面的示例中，我们使用numpy库实现了softmax函数。该函数接受一个二维的numpy数组作为输入，其中每一行代表一个样本，每一列代表该样本在不同类别上的得分。输出是一个与输入数组维度相同的数组，其中每个元素代表相应样本在不同类别上的softmax得分。