Функция activations.softmax

Функция tf.keras.activations.softmax применяется к данным и преобразует их в вероятностное распределение. Первым параметром передаётся тензор с числами, вторым - ось, по которой выполняется нормализация. Функция полезна в задачах классификации, когда необходимо получить вероятности принадлежности к каждому классу.

Синтаксис

tf.keras.activations.softmax(x, axis=-1)

Пример

Давайте применим функцию softmax к одномерному тензору:

import tensorflow as tf

t = tf.constant([1, 2, 3, 4, 5], dtype=tf.float32)
res = tf.keras.activations.softmax(t)
print(res)

Результат выполнения кода:

tf.Tensor([0.01165623 0.03168492 0.08612854 0.23412165 0.6364086 ], shape=(5,), dtype=float32)

Пример

Давайте применим функцию softmax к двумерному тензору по последней оси:

import tensorflow as tf

t = tf.constant([[1, 2, 3], [4, 5, 6]], dtype=tf.float32)
res = tf.keras.activations.softmax(t, axis=-1)
print(res)

Результат выполнения кода:

tf.Tensor(
[[0.09003057 0.24472847 0.66524096]
 [0.09003057 0.24472847 0.66524096]], shape=(2, 3), dtype=float32)

Пример

Давайте применим функцию softmax к двумерному тензору по первой оси:

<+python+> import tensorflow as tf t = tf.constant([[1, 2, 3], [4, 5, 6]], dtype=tf.float32) res = tf.keras.activations.softmax(t, axis=0) 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)

Смотрите также

функцию sigmoid,
которая преобразует значения в диапазон от 0 до 1
функцию relu,
которая применяет линейную активацию с порогом
функцию tanh,
которая преобразует значения в диапазон от -1 до 1
функцию CategoricalCrossentropy,
которая вычисляет категориальную кросс-энтропию