python softmax

import numpy as np

def softmax(x):
    """
    计算softmax函数的输出。

    参数:
    x -- 输入数组 (numpy array)，可以是一维或多维

    返回:
    s -- softmax函数的输出，与输入x形状相同
    """
    # 对于每个样本，减去最大值以防止数值溢出
    e_x = np.exp(x - np.max(x, axis=-1, keepdims=True))
    # 计算softmax
    s = e_x / np.sum(e_x, axis=-1, keepdims=True)
    return s

# 示例用法
if __name__ == "__main__":
    # 创建一个示例输入
    example_input = np.array([[2.0, 1.0, 0.1],
                              [1.0, 2.0, 3.0]])

    # 计算softmax输出
    output = softmax(example_input)

    # 打印结果
    print("Softmax 输出:\n", output)

解释说明：

• softmax(x) 函数：该函数接收一个 numpy 数组 x 作为输入，并返回经过 softmax 函数处理后的结果。Softmax 函数将输入数组转换为概率分布，使得输出数组中的每个元素都在 [0, 1] 之间，并且所有元素之和为 1。

• 防止数值溢出：在计算 softmax 时，为了避免指数运算导致的数值溢出问题，通常会先从每个元素中减去该行的最大值。

• example_input：这是一个示例输入数组，用于展示如何使用 softmax 函数。你可以替换为你自己的数据进行测试。

• output：这是经过 softmax 函数处理后的输出，表示输入数据的概率分布。