python softmax

softmax后，直接获取第几维的分数，就是预测值

  

   

    

     

    
    

     
 import torch
     
    
   

    

     

    
    

     
 import numpy as np
     
    
   

    

     

    
    

     
 import torch.nn.functional as torch_F
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

       data=np.array([[[0.5,-0.5],[-0.05,-0.05]]])
     
    
   

    

     

    
    

     

       t_data = torch.from_numpy(data.astype(np.float32))
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
   
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

       scores = torch_F.softmax(t_data, dim=-1)
     
    
   

    

     

    
    

     

       print(scores)
     
    
   

    

     

    
    

     

       scores = scores.squeeze(0).data.cpu().numpy()[:, 1]
     
    
   

    

     

    
    

     

       print(scores)
     
    
  
 

softmx 计算公式如下，值越大，分数越高，不是正比例关系，能避免求和或乘法-0.5 和0.5的符号带来的抵消关系。

两组值是不一样的：

  

   

    

     

    
    

     

      import numpy as np
     
    
   

    

     

    
    

     

      z = np.array([1.0, 2.0])
     
    
   

    

     

    
    

     

      print(np.exp(z)/sum(np.exp(z)))
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      z = np.array([0.1, 0.2])
     
    
   

    

     

    
    

     

      print(np.exp(z)/sum(np.exp(z)))
     
    
  
 

  

   

    

     

    
    

     

      import math
     
    
   

    

     

    
    

     

      z = [1.0, 2.0, 3.0, 4.0, 1.0, 2.0, 3.0]
     
    
   

    

     

    
    

     

      z_exp = [math.exp(i) for i in z]  
     
    
   

    

     

    
    

     

      print(z_exp)  # Result: [2.72, 7.39, 20.09, 54.6, 2.72, 7.39, 20.09] 
     
    
   

    

     

    
    

     

      sum_z_exp = sum(z_exp)  
     
    
   

    

     

    
    

     

      print(sum_z_exp)  # Result:
     
    
  
 

文章来源: blog.csdn.net，作者：网奇，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/jacke121/article/details/104666276