Tensorflow 输出层中的softmax函数存在问题

我在

a

中存储了一个张量，如下所示：

<tf.Tensor: shape=(5, 1), dtype=float32, numpy=
array([[0.1 ],
       [0.2 ],
       [0.4 ],
       [0.15],
       [0.15]], dtype=float32)>

我得到一个张量，如下所示

<tf.Tensor: shape=(5, 1), dtype=float32, numpy=
array([[1.],
       [1.],
       [1.],
       [1.],
       [1.]], dtype=float32)>

我得到了预期的张量：

<tf.Tensor: shape=(5, 1), dtype=float32, numpy=
array([[0.1799347 ],
       [0.19885859],
       [0.24288644],
       [0.18916014],
       [0.18916014]], dtype=float32)>

有人能解释一下为什么第一个代码段没有按预期工作吗？

您的输入数组（或张量）具有形状

（5，1）

，默认情况下，

tf.nn.softmax

在最后一个维度上运行。现在您可能会看到问题所在，因为最后一个维度是一个单独的元素，然后使用softmax将其规格化为1.0

您有两个选择：

• 指定

  axis=0

  到

  tf.nn.softmax

  ，以便在第一个维度而不是最后一个维度上执行操作
• 重新调整数组的形状，以形成

  （1,5）

  ，这将与对

  tf.nn.softmax的默认调用一起工作

---

非常感谢。这消除了我对softmax功能如何工作的疑虑。

a_tf = out_put = (tf.exp(a)) / (tf.reduce_sum(tf.exp(a)))

<tf.Tensor: shape=(5, 1), dtype=float32, numpy=
array([[0.1799347 ],
       [0.19885859],
       [0.24288644],
       [0.18916014],
       [0.18916014]], dtype=float32)>