笔记 - tensorflow用法：tf.nn.softmax的用法

最新推荐文章于 2025-02-25 16:49:07 发布

原创最新推荐文章于 2025-02-25 16:49:07 发布 · 3.7k 阅读

4 ·

CC 4.0 BY-SA版权

编程同时被 2 个专栏收录

73 篇文章

订阅专栏

tensorflow

21 篇文章

订阅专栏

这篇笔记详细介绍了TensorFlow中tf.nn.softmax函数的使用，包括所需的输入类型、输出解释，以及softmax在多分类问题中的作用。通过举例说明了X（样本特征）和W（分类权重）矩阵的关系，阐述了它们相乘后的矩阵含义。

总结

tf.nn.softmax(…) 需要什么样的输入
tf.nn.softmax(…) 输出是什么
softmax本身想干什么

import tensorflow as tf
X = tf.constant([[1,2,3], [3,2,4]], dtype=tf.float32)
W = tf.constant([[1,1],[2,2],[3,3]], dtype=tf.float32)
bias = tf.constant([1, 2], dtype=tf.float32)
y = tf.nn.softmax(tf.matmul(X, W) + bias)
with tf.Session() as sess:
    print(sess.run(y))
    """
    [[0.26894143 0.7310586 ]
    [0.26894143 0.7310586 ]]
    """