log_softmax¶

paddle.nn.functional. log_softmax ( x, axis=- 1, dtype=None, name=None ) [源代码] ¶

该OP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) - 操作的名称(可选，默认值为None）。更多信息请参见 Name。

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]]]

PaddlePaddle

paddle.nn / functional / log_softmax

log_softmax¶

参数¶

返回¶

代码示例¶

PaddlePaddle

paddle

paddle.amp

paddle.callbacks

paddle.compat

paddle.distributed

paddle.distribution

paddle.fluid

paddle.io

paddle.jit

paddle.metric

paddle.nn

paddle.onnx

paddle.optimizer

paddle.regularizer

paddle.static

paddle.sysconfig

paddle.text

paddle.utils

paddle.vision

paddle.nn / functional / log_softmax

log_softmax¶

参数¶

返回¶

代码示例¶