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文章来源：https://www.toymoban.com/news/detail-561476.html
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()文章来源地址https://www.toymoban.com/news/detail-561476.html
[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)]
到了这里，关于torch.sigmoid()、torch.softmax()、sum的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
