使用 numpy 数组实现 softmax 函数

Question

我目前的函数如下：

def soft_max(z):
t = np.exp(z)
a = np.exp(z) / np.sum(t, axis=1)
return a

但是我得到错误：ValueError: operands could not be broadcast together with shapes (20,10) (20,)因为 np.sum(t， axis=1( 不是标量。

我想拥有t / the sum of each row但我不知道该怎么做。

Answer 1

你想做类似的事情(见这篇文章(

def softmax(x, axis=None):
x = x - x.max(axis=axis, keepdims=True)
y = np.exp(x)
return y / y.sum(axis=axis, keepdims=True)

Answer 2

从 1.2.0 版本开始，scipy 将 softmax 作为一个特殊函数：

https://scipy.github.io/devdocs/generated/scipy.special.softmax.html

使用axis参数确实在行上运行它。

from scipy.special import softmax
softmax(arr, axis=0)

Answer 3

假设你的z是一个二维数组，试试

def soft_max(z):
t = np.exp(z)
a = np.exp(z) / np.sum(t, axis=1).reshape(-1,1)
return a