오기 NP AS NumPy와 DEF의 softmax를 (X) : "" " 이 softmax를 입력 (X)의 각 라인을 계산하는 단계를 포함한다. 이 기능은 입력 벡터 (별도의 행으로 벡터) 또는 매트릭스 (M의 × n)도 적용 가능하다. 코드는이 softmax를 사용 속성 기능 : softmax를 (X)이 softmax (= X + C)을 파라미터 : . X - N 차원 벡터 또는 M의 X의 N 차원 행렬 NumPy와 값을 반환 : X - X 처리의 내부 함수 "" " orig_shape = x.shape # 입력 종류에 따라 각각 소프트 맥스 산출 된 매트릭스 또는 벡터이다 IF . LEN (x.shape)> 1 : #의 매트릭스 (= X, 1 축.) TMP = np.max #는 스케일링, 각 행의 최대 값을 구하는 각 행의 요소는 오버 플로우를 방지한다. 형상이다 (x.shape [0]) X - = tmp.reshape ((x.shape [0] ,. 1)) # 소자의 스케일링 속성하여 X = np.exp을 (X)#의 지표 계산 모든 값 TMP = np.sum. (X, 축 = 1) # 각 행의 합계 X / tmp.reshape = ((x.shape [0] ,. 1)) # 소프트 맥스 찾을 다른 : #의 벡터 TMP = np.max (X) # 1 최대 제공 = tmp 디 - X # 데이터 스케일링 최대치하여 X = np.exp (X) # 지수 모든 요소 TMP = np.sum (X) # 요소를 찾아 X / TMP =을 # somftmax 검색 창 X X = np.array ([1,2,3]를 [4,7,6 ]) 전단 (소프트 맥스 (X))