python-Pytorch-在softmax层之后选择最佳概率

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python-Pytorch-在softmax层之后选择最佳概率，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含718字，纯文字阅读大概需要2分钟。

内容图文

我有一个使用Pytorch 0.4.0的逻辑回归模型,其中我的输入是高维的,而我的输出必须是标量-0、1或2.

我正在使用结合softmax层的线性层以返回n x 3张量,其中每一列代表输入落入三种类别(0、1或2)之一的概率.

但是,我必须返回一个n x 1张量,因此我需要以某种方式为每个输入选择最高概率,并创建一个张量,指示哪个类具有最高概率.如何使用Pytorch实现此目的？

为了说明这一点,我的Softmax输出如下：

[[0.2, 0.1, 0.7],
 [0.6, 0.2, 0.2],
 [0.1, 0.8, 0.1]]

我必须退还这个：

[[2],
 [0],
 [1]]

解决方法:

torch.argmax()可能是您想要的：

import torch

x = torch.FloatTensor([[0.2, 0.1, 0.7],
                       [0.6, 0.2, 0.2],
                       [0.1, 0.8, 0.1]])

y = torch.argmax(x, dim=1)
print(y.detach())
# tensor([ 2,  0,  1])

# If you want to reshape:
y = y.view(1, -1)
print(y.detach())
# tensor([[ 2,  0,  1]])

内容总结

以上是互联网集市为您收集整理的python-Pytorch-在softmax层之后选择最佳概率全部内容，希望文章能够帮你解决python-Pytorch-在softmax层之后选择最佳概率所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端