Слой Softmax

Слой Softmax применяет функцию softmax к входным данным. Функция softmax преобразует вектор чисел в вероятностное распределение: каждое значение становится в диапазоне от 0 до 1, а сумма всех значений равна 1. Первым параметром слой принимает ось, по которой применяется функция. Вторым параметром можно передать имя слоя.

Синтаксис

tf.keras.layers.Softmax(axis=-1, **kwargs)

Пример

Давайте создадим слой Softmax и применим его к тензору:

import tensorflow as tf

layer = tf.keras.layers.Softmax()
t = tf.constant([1.0, 2.0, 3.0])
res = layer(t)
print(res)

Результат выполнения кода:

tf.Tensor([0.09003057 0.24472848 0.66524094], shape=(3,), dtype=float32)

Пример

Давайте применим слой Softmax к двумерному тензору по последней оси:

import tensorflow as tf

layer = tf.keras.layers.Softmax(axis=-1)
t = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])
res = layer(t)
print(res)

Результат выполнения кода:

tf.Tensor(
[[0.09003057 0.24472848 0.66524094]
 [0.09003057 0.24472848 0.66524094]], shape=(2, 3), dtype=float32)

Пример

Давайте применим слой Softmax по первой оси:

<+python+> import tensorflow as tf layer = tf.keras.layers.Softmax(axis=0) t = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]]) res = layer(t) print(res) <-python+>

Результат выполнения кода:

tf.Tensor(
[[0.04742587 0.04742587 0.04742587]
 [0.95257413 0.95257413 0.95257413]], shape=(2, 3), dtype=float32)

Пример

Давайте используем слой Softmax в модели Sequential:

import tensorflow as tf

model = tf.keras.Sequential([
	tf.keras.layers.Dense(3),
	tf.keras.layers.Softmax()
])
t = tf.constant([[1.0, 2.0, 3.0]])
res = model(t)
print(res)

Результат выполнения кода:

tf.Tensor([[0.09003057 0.24472848 0.66524094]], shape=(1, 3), dtype=float32)

Смотрите также

слой Dense,
который создает полносвязный слой
слой Activation,
который применяет функцию активации
слой ReLU,
который применяет функцию активации ReLU
слой Dropout,
который применяет dropout к входным данным