nn模块softmax函数使用

Terence888

predictions = [array([[-0.78885424,  0.14863639]], dtype=float32),
 array([[-1.6222017,  0.9111399]], dtype=float32),
 array([[-3.0249515,  2.5899034]], dtype=float32)]

import torch.nn.functional as F
result = F.softmax(torch.tensor(predictions,dtype=torch.float32),dim=1)
result

为什么结果出来是

tensor([[[1., 1.]],

        [[1., 1.]],

        [[1., 1.]]])

softmax不是转化为概率的吗？还有我结果要在每一行取概率最大的代码怎么写

FishC

`softmax` 函数确实是将输入转化为概率分布的函数。每个输入向量会被转化为一个概率分布，所有元素的总和为 1。在你的代码中，`predictions` 是一个个空的 `numpy` 数组，所以就没有实际的数据进行概率计算，这就是为什么结果也是空的原因。

要正确使用 `softmax`，你需要确保 `predictions` 中含有实际的数值。假设 `predictions` 应该包含每个样本的计算分数，以下是你可能希望的代码结构：

import torch
import torch.nn.functional as F

# 假设你的预测结果如下（每个sample有三个类别的得分）
predictions = [
    [2.0, 1.0, 0.1],
    [0.5, 2.5, 0.3],
    [1.2, 0.7, 3.1]
]

# 将列表转换为tensor
predictions_tensor = torch.tensor(predictions, dtype=torch.float32)

# 使用softmax函数，沿着第一个维度计算（针对每一个样本）
softmax_result = F.softmax(predictions_tensor, dim=1)

# 找到每行最大概率的索引
max_prob_indices = torch.argmax(softmax_result, dim=1)

print("Softmax Result:")
print(softmax_result)
print("Indices of max probabilities:")
print(max_prob_indices)

在这个代码片段中，首先确保 `predictions` 包含实际的数值。然后，使用 `softmax` 函数来计算每个样本的概率分布，并使用 `torch.argmax` 找出每一行（即每个样本）中概率值最大的索引。

这样就能得到你每行中最大概率的类别索引。确保你的输入数据正确且有意义是得到正确结果的关键。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

Terence888

FishC 发表于 2024-11-12 11:56
`softmax` 函数确实是将输入转化为概率分布的函数。每个输入向量会被转化为一个概率分布，所有元素的总和为 ...

prediction数组不是空的

FishC

Terence888 发表于 2024-11-12 12:01
prediction数组不是空的

如果你的 `predictions` 数组不是空的，而是包含了某种形状的数值，但输出结果仍然是空的 `tensor`，可能的问题是你在转换 `numpy` 数组到 `torch.tensor` 的时候出现了问题。

请确保 `predictions` 实际上是一个非空的列表且里面的数组有着正确的形状。例如，一个典型的 `predictions` 列表可能是 `[ [2.0, 1.0, 0.1], [0.5, 2.2, 1.5], [3.6, 0.4, 2.1] ]` 这样的结构，它表示三组类别的得分。

以下是一个检查点和修复你的代码：

import torch
import torch.nn.functional as F

# 假设 predictions_list 是一个包含多个样本和每个样本的得分列表
predictions = [
    [2.0, 1.0, 0.1],  # 第一个样本
    [0.5, 2.2, 1.5],  # 第二个样本
    [3.6, 0.4, 2.1]   # 第三个样本
]

# 将列表转换为tensor
predictions_tensor = torch.tensor(predictions, dtype=torch.float32)

# 使用softmax函数，沿着第一个维度计算（针对每一个样本进行 softmax）
softmax_result = F.softmax(predictions_tensor, dim=1)

# 找到每行最大概率的索引
max_prob_indices = torch.argmax(softmax_result, dim=1)

print("Softmax Result:")
print(softmax_result)
print("Indices of max probabilities:")
print(max_prob_indices)

注意：

1. 确保 `predictions` 是一个二维列表（或者 numpy 数组），每个子列表（或者数组行）代表一个样本的原始得分。
2. 尽量不要使用 `array([], dtype=float32)` 这种结构，除非在某种逻辑下确实需要空数组。
3. `dim=1` 参数告诉 `softmax` 函数在每个样本的维度上进行归一化处理（针对行的操作）。

确保输入数据的正确性，通常是编码逻辑正确性的关键。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。