functional.normalize()和softmax（input）

本文主要是介绍functional.normalize()和softmax（input），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

input_ = torch.randn((3, 4))
a = torch.nn.Softmax()(input_)b = torch.nn.functional.normalize(a)# a是[
[11 12 13],
[21 22 23],
[31 32 33]
]a的结果为：
tensor([[0.2074, 0.2850, 0.1973, 0.3103],[0.2773, 0.1442, 0.3652, 0.2132],[0.3244, 0.3206, 0.0216, 0.3334]])# softmax计算时11/11+12+13---0.2074       0.2074+0.2850+0.1973+0.3103= 1b的结果为：
tensor([[0.4071, 0.5595, 0.3874, 0.6092],[0.5274, 0.2743, 0.6945, 0.4054],[0.5738, 0.5671, 0.0381, 0.5896]])#b中的0.4071其实就是a中的   0.2074/根号下(0.2074*0.2074+0.285*0.285+0.1973*0.1973+0.3103*0.3103) = 0.4071

 

这篇关于functional.normalize()和softmax（input）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---