2026a

# softmaxLayer

Softmax 激活层

函数库: TyDeepLearning

# 语法

layer = softmaxLayer(axis = -1)

# 说明

layer = softmaxLayer(axis = -1) 创建一个 sigmoid 激活函数层。示例

softmaxLayer 函数，它是二分类函数 sigmoidLayer 在多分类上的推广，目的是将多分类的结果以概率的形式展现出来。对输入数据在轴 axis 上的元素计算其指数函数值，然后归一化到 [0, 1] 范围，总和为 1。 softmaxLayer定义为：

其中，是输入数据在轴 axis 上的第 i 个元素。

# 示例

创建softmax激活函数层

创建一个 softmax 激活函数层。创建一个数组，使用该层处理数组并输出结果，检验结果各维度加和是否为 1。

using TyDeepLearning
set_backend(:mindspore)
layer = softmaxLayer()
array = convert(Array{Float16}, [-1, -2, 0, 2, 1])
println(TyDeepLearning.predict(layer, array))
print(sum(TyDeepLearning.predict(layer, array)))

Float32[0.03168492, 0.011656229, 0.08612854, 0.6364086, 0.23412168]
1.0

随机生成一个维度为（1，1，28，28）的数组。

input = rand(Float32, (1, 1, 28, 28))

创建一个包含softmax激活函数层的神经网络。使用该神经网络处理数组并输出结果维度。

layers = SequentialCell([
    convolution2dLayer(1, 20, 5),
    reluLayer(),
    maxPooling2dLayer(2; Stride = 2),
    flattenLayer(),
    fullyConnectedLayer(20 * 14 * 14, 10),
    softmaxLayer()
])
print(size(TyDeepLearning.predict(layers, input)))

(1, 10)

# 输入参数

axis-轴

标量

指定 sigmoidLayer 运算的轴 axis，假设输入 x 的维度为 x.ndim，则 axis 的范围为 [-x.ndim, x.ndim) ，-1 表示最后一个维度。默认值：-1。CPU环境下，axis 只支持 Int 类型。

数据类型： Int64

# 输出参数

layer-Softmax激活层

网络对象

输出为一个 Softmax 激活层

# 另请参阅