[softmax]分类概率计算
模型输出置信度后，使用softmax函数计算每类成绩，pytorch提供了softmax实现
解析
可以使用类nn.Softmax或者使用函数nn.functional.softmax进行分类概率的计算
def softmax(input, dim=None, _stacklevel=3, dtype=None):
# type: (Tensor, Optional[int], int, Optional[int]) -> Tensor
dim：计算维度，0表示按列计算，1表示按行计算
计算公式如下：
\[
\text{Softmax}(x_{i}) = \frac{exp(x_i)}{\sum_j exp(x_j)}
\]
示例
# -*- coding: utf-8 -*-
"""
@author: zj
@file: softmax.py
@time: 2020-01-27
"""
import torch
import torch.nn as nn
import torch.nn.functional as F
if __name__ == '__main__':
inputs = torch.randn((2, 4))
print('输入：', inputs)
# 按行计算概率
# 使用softmax类
softmax = nn.Softmax(dim=1)
res = softmax.forward(inputs)
print('结果：', res)
# 使用softmax函数
res2 = F.softmax(inputs, dim=1)
print('结果：', res)
计算结果如下：
输入： tensor([[-0.5450, 0.3742, 0.8121, 0.1191],
[-0.8926, 0.2907, -0.1550, 0.1468]])
结果： tensor([[0.1071, 0.2686, 0.4162, 0.2081],
[0.1089, 0.3555, 0.2277, 0.3079]])
结果： tensor([[0.1071, 0.2686, 0.4162, 0.2081],
[0.1089, 0.3555, 0.2277, 0.3079]])