Softmax¶
Softmax - 13¶
版本¶
**名称**: Softmax (GitHub)
**域**:
main**自版本**:
13**函数**:
True**支持级别**:
SupportType.COMMON**形状推断**:
True
此版本的运算符**自版本 13**起可用。
摘要¶
该运算符计算给定输入的归一化指数值
Softmax(input, axis) = Exp(input) / ReduceSum(Exp(input), axis=axis, keepdims=1)
“axis”属性指示将执行 Softmax 的维度。输出张量具有相同的形状，并包含相应输入的 Softmax 值。
属性¶
**axis - INT**（默认值为
'-1'）描述将执行 Softmax 的维度。负值表示从后开始计算维度。接受的范围是 [-r, r-1]，其中 r = rank(input)。
输入¶
**input** (异构) - T
等级 >= axis 的输入张量。
输出¶
**output** (异构) - T
与输入张量形状相同的输出值。
类型约束¶
T in (
tensor(bfloat16),tensor(double),tensor(float),tensor(float16))将输入和输出类型约束为浮点张量。
Softmax - 11¶
版本¶
**名称**: Softmax (GitHub)
**域**:
main**自版本**:
11**函数**:
False**支持级别**:
SupportType.COMMON**形状推断**:
True
此版本的运算符**自版本 11**起可用。
摘要¶
该运算符计算给定输入的批次中每一层的 softmax（归一化指数）值。
输入不需要显式地为二维向量；相反，它将被强制转换为二维向量。对于任意 n 维张量输入 \in [a_0, a_1, …, a_{k-1}, a_k, …, a_{n-1}] 且 k 是提供的轴，则输入将被强制转换为具有维度 [a_0 * … * a_{k-1}, a_k * … * a_{n-1}] 的二维张量。对于 axis=1 的默认情况，这意味着输入张量将被强制转换为具有维度 [a_0, a_1 * … * a_{n-1}] 的二维张量，其中 a_0 通常是批次大小。在这种情况下，我们必须有 a_0 = N 且 a_1 * … * a_{n-1} = D。每个维度都必须正确匹配，否则运算符将抛出错误。输出张量具有相同的形状，并包含相应输入的 softmax 值。
属性¶
**axis - INT**（默认值为
'1'）描述强制转换为二维时输入的轴；默认为 1，因为第 0 个轴最有可能描述批次大小。负值表示从后开始计算维度。接受的范围是 [-r, r-1]，其中 r = rank(input)。
输入¶
**input** (异构) - T
如上所述，强制转换为大小为 (NxD) 的二维矩阵的输入张量。
输出¶
**output** (异构) - T
与输入张量形状相同的输出值（原始大小，无强制转换）。
类型约束¶
T in (
tensor(double),tensor(float),tensor(float16))将输入和输出类型约束为浮点张量。
Softmax - 1¶
版本¶
**名称**: Softmax (GitHub)
**域**:
main**自版本**:
1**函数**:
False**支持级别**:
SupportType.COMMON**形状推断**:
True
此版本的运算符**自版本 1**起可用。
摘要¶
该运算符计算给定输入的批次中每一层的 softmax（归一化指数）值。输入是一个二维张量 (Tensor
输入不需要显式地成为一个二维向量；相反，它将被强制转换为一个二维向量。对于任意 n 维张量输入 \in [a_0, a_1, …, a_{k-1}, a_k, …, a_{n-1}] 且 k 为提供的轴，则输入将被强制转换为一个二维张量，其维度为 [a_0 * … * a_{k-1}, a_k * … * a_{n-1}]。对于轴=1 的默认情况，这意味着输入张量将被强制转换为一个二维张量，其维度为 [a_0, a_1 * … * a_{n-1}]，其中 a_0 通常是批大小。在这种情况下，我们必须有 a_0 = N 且 a_1 * … * a_{n-1} = D。每个维度必须正确匹配，否则运算符将抛出错误。
属性¶
**axis - INT**（默认值为
'1'）描述将输入强制转换为 2D 时的轴；默认为 1，因为第 0 个轴最有可能描述批大小
输入¶
**input** (异构) - T
如上所述，强制转换为大小为 (NxD) 的二维矩阵的输入张量。
输出¶
**output** (异构) - T
与输入张量形状相同的输出值（原始大小，无强制转换）。
类型约束¶
T in (
tensor(double),tensor(float),tensor(float16))将输入和输出类型约束为浮点张量。