Tensorflow 张量运算（tf.softmax()） Tensorflow

def softmax(logits, axis=None, name=None): ''' Computes softmax activations. This function performs the equivalent of softmax = tf.exp(logits) / tf.reduce_sum(tf.exp(logits), axis) '''

import tensorflow as tf # 用正态分布来模拟100个样本的预测结果，可以认为是100个MNIST样本 # out = tf.random.normal([100,10]) out = tf.constant([[1.,2,3], [2,0,1]]) # 计算每一行转换为概率，输出 exp = tf.exp(out) '''输出 tf.Tensor( [[ 2.71828177.38905620.085537 ] [ 7.3890561.2.7182817]], shape=(2, 3), dtype=float32)''' sum = tf.reduce_sum(exp,axis=1) '''输出 tf.Tensor([30.192875 11.107338], shape=(2,), dtype=float32) ''' out = tf.nn.softmax(out, axis=1) '''输出 tf.Tensor( [[0.09003057 0.24472848 0.66524094] [0.66524090.09003057 0.24472846]], shape=(2, 3), dtype=float32) tf.Tensor([2 0], shape=(2,), dtype=int64)'''

运算过程：