Python mxnet.symbol.op.SoftmaxActivation用法及代码示例

用法:
mxnet.symbol.op.SoftmaxActivation(data=None, mode=_Null, name=None, attr=None, out=None, **kwargs)

参数：

data：(Symbol) - 输入数组。
mode：({'channel', 'instance'},optional, default='instance') - 指定如何计算 softmax。如果设置为instance，它为每个实例计算 softmax。如果设置为channel, 它为每个实例的每个位置计算跨通道 softmax。
name：(string, optional.) - 结果符号的名称。

结果符号。

返回类型：

Symbol

将 softmax 激活应用于输入。这适用于内部层。

注意：

此运算符已被弃用，请使用 softmax 。

如果 mode = instance ，此运算符将为批处理中的每个实例计算一个 softmax。这是默认模式。

如果 mode = channel ，此运算符将在每个实例的每个位置计算 k-class softmax，其中 k = num_channel 。仅当输入数组至少具有 3 个维度时才能使用此模式。这可用于 fully convolutional network 、 image segmentation 等。

例子：

>>> input_array = mx.nd.array([[3., 0.5, -0.5, 2., 7.],
>>>                            [2., -.4, 7.,   3., 0.2]])
>>> softmax_act = mx.nd.SoftmaxActivation(input_array)
>>> print softmax_act.asnumpy()
[[  1.78322066e-02   1.46375655e-03   5.38485940e-04   6.56010211e-03   9.73605454e-01]
 [  6.56221947e-03   5.95310994e-04   9.73919690e-01   1.78379621e-02   1.08472735e-03]]

相关用法

注：本文由纯净天空筛选整理自apache.org大神的英文原创作品 mxnet.symbol.op.SoftmaxActivation。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

返回类型：

注意：