torch.sigmoid()、torch.softmax()、sum

最新推荐文章于 2025-10-24 20:54:55 发布

原创最新推荐文章于 2025-10-24 20:54:55 发布 · 7.4k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #深度学习 #人工智能

本文详细介绍了PyTorch中torch.sigmoid()函数和torch.softmax()函数的使用，包括一维和二维数据的处理，并展示了如何对张量进行求和操作。torch.sigmoid()用于对每个元素应用Sigmoid激活函数，而torch.softmax()则根据给定维度计算概率分布。此外，还演示了sum函数在不同维度上对张量求和的方法。

部署运行你感兴趣的模型镜像

torch.sigmoid()、torch.softmax()、sum

1、torch.sigmoid()

对每个元素进行处理（函数为)

举例：

A = torch.Tensor([1,2,3]) #一维
B = torch.sigmoid(A)
print(B)

A = torch.Tensor([[1,2,3],[1,2,3]]) #二维
B = torch.sigmoid(A)
print(B)

2、torch.softmax()

公式：

二维情况下，dim=1时，对行进行计算

A = torch.Tensor([[1,1],[1,1],[1,3]])
B = torch.softmax(A,dim=1) #对行 进行softmax
print(B)

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-GIDLbimg-1666254112726)(https://cdn.jsdelivr.net/gh/bean661/images@main/img/202210201552330.png)]

二维情况下，dim=0时，对列进行计算

A = torch.Tensor([[1,1],[1,1],[1,3]])
B = torch.softmax(A,dim=0) #对列 进行softmax
print(B)

3、sum

A = torch.Tensor([[1,2],[3,4],[5,6]])
B = A.sum(dim=0)
print()

([[1,2],[3,4],[5,6]])
B = A.sum(dim=0)
print()


[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-LPNL8qgZ-1666254112727)(https://cdn.jsdelivr.net/gh/bean661/images@main/img/202210201620452.png)]

您可能感兴趣的与本文相关的镜像

PyTorch 2.7

PyTorch

Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理