pythorch（五） Softmax理解

最新推荐文章于 2025-01-19 08:18:51 发布
最新推荐文章于 2025-01-19 08:18:51 发布
阅读量1.2k 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 深度学习 python 文章标签： pytorch 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/CAIYUNFREEDOM/article/details/121284489
这篇博客介绍了如何在PyTorch中使用softmax函数和指数运算，并展示了计算softmax概率和比例的方法。通过实例演示了如何将softmax应用于实际场景，以及与手动指数运算结果的对比。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

 

>>> import torch
>>> import torch.nn.functional as F
>>> from math import *

>>> a=torch.tensor( [-2.1441,  1.8928, 0.45])
>>> F.softmax(a)
tensor([0.0141, 0.7975, 0.1884])
>>> x = pow(e, a[0])
>>> y = pow(e, a[1])
>>> z = pow(e, a[2])
>>> x/(x+y+z)
0.014077570436341351
>>> y/(x+y+z)
0.7975006948005181
>>> z/(x+y+z)
0.1884217347631406
 

【PyTorch深度学习实践 P9】Softmax
weixin_45665700的博客
09-08 545
softmax多分类
使用Facebook的Pytorch的BigGraph从知识图谱中提取知识
TensorFlowNews
07-11 1317
机器学习使我们能够训练一个可以将数据转换为标签的模型，从而把相似的数据映射到相似或相同的标签。 例如，我们正在为电子邮件构建一个垃圾邮件过滤器。我们有很多电子邮件，其中一些标记为垃圾邮件，另一些标记为正常邮件(INBOX)。我们可以构建一个模型，该模型学习识别垃圾邮件。被标记为垃圾邮件的邮件在某种程度上类似于已经标记为垃圾邮件的邮件。 相似性的概念对于机器学习至关重要。在现实世界中，相似性的概念与某个主题相关，它取决于我们的知识。 另一方面，数学模型定义了相似性的概念。通常，我们将数据表示为多维向量，并测量
【pyTorch基础】softmax
m0_53603241的博客
12-02 2385
神经网络，逐句精讲
PyTorch-----torch.nn.Softmax()函数
xinxin的博客
03-27 5819
是 PyTorch 中的一个类，用于计算 softmax 函数。softmax 函数常用于多分类问题中，将一个具有任意实数值的向量转换为一个概率分布，使得每个元素都在 (0, 1) 之间，并且所有元素的和为 1。其中，zi 是 logits 向量 z 的第 i 个元素，n 是 logits 向量 z 的长度（即类别的数量），e 是自然对数的底（约等于 2.71828）。Softmax 函数的一个关键特性是它的输出是一个概率分布，即所有输出值的和为 1，因此可以用于表示多个互斥的类别的概率。
深度学习（Pytorch）：Softmax回归
努力！加油！！
06-03 3079
笔记
PyTorch Lecture 09: Softmax Classifier
追随梦想，实现梦想
05-21 321
from __future__ import print_function import torch import torch.nn as nn import torch.nn.functional as F import torch.optim as optim from torchvision import datasets, transforms from torch.autograd i...
小白入手Pytorch深度学习（b站视频学习笔记）
2301_80355452的博客
07-16 1627
人工神经网络，简称神经网络，模仿生物神经网络的结构和功能的数学模型，用与对函数进行估计或近似。（应用例如机器视觉和语言识别）每次迭代都需要把所有样本都送入，这样的好处是每次迭代都顾及了全部的样本，做的是全局最优化在torch中提供了数据集的基类torch.utils.data.Dataset，继承这个基类，我们能够非常快速的实现对数据的加载可知，我们需要在自定义的数据集类中继承Dstaset类，同时还需要实现两个方法：1.__len__方法，能够实现通过全局的len()方法获取其中的元素个数。
【图像处理】PyTorch实战之CIFAR10数据集分类（LeNet分类器）
少年白马
03-22 3691
首先这是一个官方demo，PyTorch官网入门实现一个图像分类器 下图是卷积，池化，全连接层在神经网络中的作用（分工）下图是卷积，池化，全连接层在神经网络中的作用（分工） 本文是学习B站深度学习与图像处理的up做的笔记 本文参考主要如下： 1.B站宝藏up讲解视频 2.PyTorch官方文档 3.某博主的课程笔记 官方demo的流程 model.py：定义LeNet网络模型 train.py：加载数据集并训练，训练集计算loss，测试集计算accuracy，保存训练好的网络参数 predict.py：
利用Python构建深度学习模型：TensorFlow与PyTorch的对比与实践
最新发布
威哥说编程
01-19 901
TensorFlow是由GoogleBrain团队开发的深度学习框架，最初发布于2015年。它是一个开源平台，广泛应用于深度学习任务，尤其是大规模机器学习和生产环境中的部署。静态计算图：TensorFlow最早采用静态计算图（StaticGraph）模型，所有操作在执行之前都需要定义计算图。这种方式使得模型优化更加高效，但也使得模型的开发和调试变得更为复杂。高性能：TensorFlow支持多种硬件平台，如CPU、GPU、TPU等，提供了强大的并行计算能力。广泛的工具和库。
AFM模型原理及Pytorch代码复现
zhao254014的博客
09-14 1658
解决的痛点问题是各个特征交叉之后的embedding向量被同等看待，赋予对预测相同重要性的问题，
Pytorch——torch.nn&torch.nn.functional
aaon22357的博客
12-05 1820
文章目录torch.nntorch.nn.functional实现pooling实现二维max pooling实现一维max pooling 常用的两个库分别为torch.nn和torch.nn.functional，里面有很多函数功能都是相似的，两者的区别主要在于：使用torch.nn定义函数的时候，搭建的是“空壳子”，并不需要给定input，input在forward部分才给定，而使用torc...
pytorch中 torch.nn的介绍
weixin_44587732的博客
11-01 1万+
pytorch中 torch.nn的介绍 一、torch.nn是什么？ torch.nn是pytorch中自带的一个函数库，里面包含了神经网络中使用的一些常用函数，如具有可学习参数的nn.Conv2d(),nn.Linear()和不具有可学习的参数(如ReLU，pool，DropOut等)，这些函数可以放在构造函数中，也可以不放。 二、torch.nn的应用。 通常引入的时候写成： import torch.nn import torch.nn.functional as F 这里我们把函数写在了构造函数中
学习Pytorch官方Demo——Lenet，以及遇到的问题
weixin_43889476的博客
08-03 714
文章目录1.官方Demo的项目目录2.模型3.训练4.预测5.遇到的问题 1.官方Demo的项目目录 2.模型 代码： import torch.nn as nn import torch.nn.functional as F class LeNet(nn.Module): def __init__(self): super(LeNet, self).__init__() #调用父类的构造函数 self.conv1 = nn.Conv2d(3, 16, 5)#卷
pytorch 第二节 神经网络
yzy_1117的博客
11-23 1103
pytorch 神经网络 torch.sigmoid(a) relu 梯度保持不变 torch.relu(a) from torch.nn import functional as F F.relu() Typical Loss : Mean Squared Error Cross Entropy Loss MSE torch.autograd.grad() 变量需要梯度信息torch.requires_grad_ x = torch.ones(1) w = torch.fu...
Pytorch交叉熵损失函数torch.nn.functional as F
studyvcmfc的专栏
08-09 1370
loss = F.cross_entropy(outputs, labels)
PyTorch学习笔记（二）——torch.nn解析
Candyerer的博客
01-27 3120
PyTorch提供了方便漂亮的类和模块，来帮助我们创建和训练神经网络，例如 torch.nn, torch.optim 等。 为了更好地理解这些模块的功能和原理，我们在手动搭建的神经网络上，逐步添加这些模块，以显示每部分模块的功能，以及每部分是如何让代码更加灵活简洁的。 1、手动搭建神经网络 使用MNIST数据集，该数据集共有50000个图片，每一图片大小为2828，储存在长度为2828=784的扁平行。 #定义权重和偏执值,需要requires_grad=True，以便自动计算梯度，完成反馈 weight
Pytorch入门与实践——快速入门
Yoiker的博客
05-19 634
import torch as t import numpy as np import torch.nn as nn import torch.nn.functional as F from torch.autograd import Variable import torch.optim as optim import matplotlib.pyplot as plt x = t.Tens...
torch.nn.functional函数的应用
deep learning
09-24 746
dim 必须为1， 这样才能满足softmax每一行相加为一。 import torch.nn.functional as F # 4 samples, 2 output classes logits = torch.randn(4, 2) print(F.softmax(logits, dim=1)) tensor([[0.7018, 0.2982], [0.9550, 0.0450], [0.4557, 0.5443], [0.8057, 0.1943]]) for item in F.softmax
一文彻底搞懂 Softmax 函数，数学原理分析和 PyTorch 验证
热门推荐
qq_43799400的博客
06-14 5万+
Softmax 函数的数学原理分析和 PyTorch 使用
深入理解softmax分类器与LBFGS算法
### 知识点详细说明 #### 1. Softmax分类器基础 Softmax分类器是一种多分类器，它基于softmax函数，该函数也被称为归一化指数函数。...通过理解并应用这些概念，可以在各种复杂场景中实施有效的分类策略。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值