算法面试准备 - 手撕系列第一期 - Softmax

Softmax原理图

Softmax实现代码 - 复杂版和简单版本(推荐简单版本)

• 方法一：循环计算

import torch


def softmax(X): # X为Tensor向量，大小为(batch_size,len)
    # 方法一，复杂版本
    for i in range(X.size()[0]):
        # 取出某行的Tensor
        # 为了防止数据的上下，先把数据减去最大值
        X[i]-=max(X[i].clone())
        X[i]=torch.exp(X[i])
        X[i]/=X[i].sum()
    return X

   

if __name__=='__main__':
    X=[[i for i in range(4)] ,[j for j in range(1,5) ],[5,4,3,2]]

    X=torch.tensor(X,dtype=torch.float)
    print(softmax(X))

• 方法二：广播利用torch函数

import torch


def softmax(X): # X为Tensor向量，大小为(batch_size,len)
    # 方法二：简单版本

    # 增加一步，防止数据上下溢出
    # (batch_size, 1)
    X_max,X_index=torch.max(X,dim=1,keepdim=True) # 让其保持二维
    X -= X_max
    # 取exp
    X_exp = torch.exp(X)
    # 求和从1维求和得到的是(batch_size,1)
    X_sum=X_exp.sum(dim=1,keepdim=True)
    return X_exp/X_sum

if __name__=='__main__':
    X=[[i for i in range(4)] ,[j for j in range(1,5) ],[5,4,3,2]]

    X=torch.tensor(X,dtype=torch.float)
    print(softmax(X))

参考

小红书资料：哲学专业转算法岗｜手撕softmax - 小红书