sequence_softmax¶

paddle.static.nn. sequence_softmax ( input, use_cudnn=False, name=None ) [源代码] ¶

注解

该 API 的输入只能是 LoDTensor，如果要处理的输入是 Tensor 类型，请使用 paddle.nn.functional.softmax。

根据 LoD 信息将输入的第 0 维度进行划分，在划分的每一个区间内部进行运算。

对第 i 个区间内的元素的计算公式如下：

\[Out\left ( X[lod[i]:lod[i+1]],: \right ) = \frac{exp(X[lod[i]:lod[i+1],:])}{\sum (exp(X[lod[i]:lod[i+1],:]))}\]

输入 Tensor 的维度可为 \([N，1]\) 或者 \([N]\)，推荐使用 \([N]\) 。

例如，对有 6 个样本的 batch，每个样本的长度为 3，2，4，1，2，3，其 lod 信息为[[0, 3, 5, 9, 10, 12, 15]]，根据 lod 信息将第 0 维度划分为 6 份，在 \(X[0:3,:],X[3:5,:],X[5:9,:],X[9:10,:],X[10:12,:],X[12:15,:]\) 中进行 softmax 运算。

         示例：

        给定：
              input.data = [0.7, 1, 0.6,
                            1.5, 1.1,
                            1.2, 0.2, 0.6, 1.9,
                            3.1,
                            2.5, 0.8,
                            0.1, 2.4, 1.3]
              input.lod = [[0, 3, 5, 9, 10, 12, 15]]
         则：
              output.data = [0.30724832, 0.41474187, 0.2780098,
                             0.59868765, 0.40131235,
                             0.2544242, 0.09359743, 0.13963096, 0.5123474,
                             1.,
                             0.84553474, 0.15446526,
                             0.06995796, 0.69777346, 0.23226859]
              output.lod = [[0, 3, 5, 9, 10, 12, 15]]

        

参数¶

input (Tensor) - 维度为 \([N, 1]\) 或者 \([N]\) 的 LoDTensor，推荐使用 \([N]\)。支持的数据类型：float32，float64。

use_cudnn (bool，可选) - 是否用 cudnn 核，仅当安装 cudnn 版本的 paddle 库且使用 gpu 训练或推理的时候生效。支持的数据类型：bool 型。默认值为 False。

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¶

根据区间计算 softmax 之后的 LoDTensor，其维度与 input 的维度一致，数据类型与 input 的数据类型一致。

代码示例¶

          import paddle
paddle.enable_static()

x = paddle.static.data(name='x', shape=[7, 1],
                 dtype='float32', lod_level=1)
x_sequence_softmax_1 = paddle.static.nn.sequence_softmax(input=x)

y = paddle.static.data(name='y', shape=[7],
    dtype='float32', lod_level=1)
x_sequence_softmax_2 = paddle.static.nn.sequence_softmax(input=y)

         