Функция F.softmin

Функция F.softmin применяется к тензору и вычисляет softmin для каждого элемента вдоль заданной размерности. По сути, это softmax, но с отрицательным знаком перед входными данными: softmin(x) = exp(-x) / sum(exp(-x)). В результате элементы с меньшими значениями получают большие веса. Первый параметр функции - входной тензор input, второй - размерность dim, по которой применяется операция. Также можно указать тип данных dtype для выходного тензора.

Синтаксис

torch.nn.functional.softmin(input, dim, dtype=None)

Пример

Рассмотрим базовое применение функции F.softmin к одномерному тензору:

import torch
import torch.nn.functional as F

t = torch.tensor([1.0, 2.0, 3.0, 4.0, 5.0])
res = F.softmin(t, dim=0)
print(res)

Результат выполнения кода:

tensor([0.6364, 0.2341, 0.0861, 0.0317, 0.0117])

Как видно, наибольший вес получил наименьший элемент (1.0), а наименьший вес - наибольший (5.0).

Пример

Применим F.softmin к двумерному тензору вдоль разных размерностей:

import torch
import torch.nn.functional as F

t = torch.tensor([
	[1.0, 2.0, 3.0],
	[4.0, 5.0, 6.0],
])

res_dim0 = F.softmin(t, dim=0)
res_dim1 = F.softmin(t, dim=1)

print("Softmin по dim=0:")
print(res_dim0)
print("\nSoftmin по dim=1:")
print(res_dim1)

Результат выполнения кода:

Softmin по dim=0:
tensor([
	[0.9526, 0.9526, 0.9526],
	[0.0474, 0.0474, 0.0474],
])

Softmin по dim=1:
tensor([
	[0.6652, 0.2447, 0.0900],
	[0.0900, 0.2447, 0.6652],
])

При вычислении по строке (dim=1) минимальное значение в строке получает наибольший вес.

Пример

Используем параметр dtype для задания типа данных выходного тензора:

import torch
import torch.nn.functional as F

t = torch.tensor([1, 2, 3, 4, 5])
res = F.softmin(t, dim=0, dtype=torch.float64)
print(res.dtype)
print(res)

Результат выполнения кода:

torch.float64
tensor([0.6364, 0.2341, 0.0861, 0.0317, 0.0117], dtype=torch.float64)

Выходной тензор имеет тип float64, как и было указано.

Смотрите также

функцию F.softmax,
которая вычисляет softmax для входного тензора
функцию F.log_softmax,
которая вычисляет логарифм softmax
функцию F.softplus,
которая является гладкой аппроксимацией ReLU
функцию F.softsign,
которая вычисляет softsign для элементов тензора