log_softmax¶
实现了 log_softmax 层。OP 的计算公式如下:
\[\begin{split}\begin{aligned} log\_softmax[i, j] &= log(softmax(x)) \\ &= log(\frac{\exp(X[i, j])}{\sum_j(\exp(X[i, j])}) \end{aligned}\end{split}\]
参数¶
x (Tensor) - 输入的
Tensor
,数据类型为:float32、float64。axis (int,可选) - 指定对输入
x
进行运算的轴。axis
的有效范围是[-D, D),D 是输入x
的维度,axis
为负值时与 \(axis + D\) 等价。默认值为-1。dtype (str|np.dtype|core.VarDesc.VarType,可选) - 输入 Tensor 的数据类型。如果指定了
dtype
,则输入 Tensor 的数据类型会在计算前转换到dtype
。dtype``可以用来避免数据溢出。如果 ``dtype
为 None,则输出 Tensor 的数据类型和x
相同。默认值为 None。name (str,可选) - 具体用法请参见 Name,一般无需设置,默认值为 None。
返回¶
Tensor
,形状和x
相同,数据类型为dtype
或者和x
相同。
代码示例¶
import paddle
import paddle.nn.functional as F
x = [[[-2.0, 3.0, -4.0, 5.0],
[3.0, -4.0, 5.0, -6.0],
[-7.0, -8.0, 8.0, 9.0]],
[[1.0, -2.0, -3.0, 4.0],
[-5.0, 6.0, 7.0, -8.0],
[6.0, 7.0, 8.0, 9.0]]]
x = paddle.to_tensor(x)
out1 = F.log_softmax(x)
out2 = F.log_softmax(x, dtype='float64')
# out1's data type is float32; out2's data type is float64
# out1 and out2's value is as follows:
# [[[ -7.1278396 -2.1278396 -9.127839 -0.12783948]
# [ -2.1270514 -9.127051 -0.12705144 -11.127051 ]
# [-16.313261 -17.313261 -1.3132617 -0.31326184]]
# [[ -3.0518122 -6.051812 -7.051812 -0.051812 ]
# [-12.313267 -1.3132664 -0.3132665 -15.313267 ]
# [ -3.4401896 -2.4401896 -1.4401896 -0.44018966]]]