Python 如何强制Theano执行softmax列操作？

我有一个2D数组，我想按列应用softmax函数。它可以尝试以下操作：

value = numpy.array([[1.0,2.0], [3.0,9.0], [7.0,1.0]], dtype=theano.config.floatX)
m = theano.shared(value, name='m', borrow=True)
y = theano.tensor.nnet.softmax(m)
print y.eval()

因此，我得到以下输出：

[[ 0.26894142  0.73105858]
 [ 0.00247262  0.99752738]
 [ 0.99752738  0.00247262]]

这意味着该操作已按行应用。有没有办法强制Theano执行softmax列操作

这意味着该操作已按行应用

这就是它的设计目的：

转置数组将得到预期的结果。不知道Theano这有点像猜测：

y = theano.tensor.nnet.T.softmax(m)

或：

参考：

这意味着该操作已按行应用

这就是它的设计目的：

转置数组将得到预期的结果。不知道Theano这有点像猜测：

y = theano.tensor.nnet.T.softmax(m)

或：

---

参考：

简单解决方案：转置

>>> import theano as th
>>> T = th.tensor
>>> x = th.tensor.matrix()
>>> y = T.nnet.softmax(x.T).T
>>> fn = th.function([x],y)
>>> fn([[1.,2.],[1.,3.]])
array([[ 0.5       ,  0.26894143],
       [ 0.5       ,  0.7310586 ]], dtype=float32)

对于秩>=3的张量，转置需要指定轴

#this perform softmax on 3rd dimension
x = tensor4()
T.nnet.softmax(x.transpose(0,1,3,2)).transpose(0,1,3,2)

---

简单的解决方案：转置

>>> import theano as th
>>> T = th.tensor
>>> x = th.tensor.matrix()
>>> y = T.nnet.softmax(x.T).T
>>> fn = th.function([x],y)
>>> fn([[1.,2.],[1.,3.]])
array([[ 0.5       ,  0.26894143],
       [ 0.5       ,  0.7310586 ]], dtype=float32)

对于秩>=3的张量，转置需要指定轴

#this perform softmax on 3rd dimension
x = tensor4()
T.nnet.softmax(x.transpose(0,1,3,2)).transpose(0,1,3,2)

---

有帮助吗？实际语法是什么？有帮助吗？实际语法是什么？