جریان تنسور:: عملیات:: LogSoftmax
#include <nn_ops.h>
فعال سازی های softmax را محاسبه می کند.
خلاصه
برای هر دسته i
و کلاس j
ما داریم
logsoftmax[i, j] = logits[i, j] - log(sum(exp(logits[i])))
استدلال ها:
- scope: یک شی Scope
- logits: 2-D با شکل
[batch_size, num_classes]
.
برمی گرداند:
-
Output
: همان شکلlogits
.
سازندگان و ویرانگرها | |
---|---|
LogSoftmax (const :: tensorflow::Scope & scope, :: tensorflow::Input logits) |
صفات عمومی | |
---|---|
logsoftmax | |
operation |
توابع عمومی | |
---|---|
node () const | ::tensorflow::Node * |
operator::tensorflow::Input () const | |
operator::tensorflow::Output () const |
صفات عمومی
logsoftmax
::tensorflow::Output logsoftmax
عملیات
Operation operation
توابع عمومی
LogSoftmax
LogSoftmax( const ::tensorflow::Scope & scope, ::tensorflow::Input logits )
گره
::tensorflow::Node * node() const
عملگر::tensorflow::ورودی
operator::tensorflow::Input() const
عملگر::tensorflow::خروجی
operator::tensorflow::Output() const
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2025-07-26 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2025-07-26 بهوقت ساعت هماهنگ جهانی."],[],[],null,["# tensorflow::ops::LogSoftmax Class Reference\n\ntensorflow::ops::LogSoftmax\n===========================\n\n`#include \u003cnn_ops.h\u003e`\n\nComputes log softmax activations.\n\nSummary\n-------\n\nFor each batch `i` and class `j` we have \n\n```transact-sql\nlogsoftmax[i, j] = logits[i, j] - log(sum(exp(logits[i])))\n```\n\n\u003cbr /\u003e\n\nArguments:\n\n- scope: A [Scope](/versions/r2.1/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope) object\n- logits: 2-D with shape `[batch_size, num_classes]`.\n\n\u003cbr /\u003e\n\nReturns:\n\n- [Output](/versions/r2.1/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output): Same shape as `logits`.\n\n\u003cbr /\u003e\n\n| ### Constructors and Destructors ||\n|---|---|\n| [LogSoftmax](#classtensorflow_1_1ops_1_1_log_softmax_1a73483652ac6fcd6e2162f224c5459235)`(const ::`[tensorflow::Scope](/versions/r2.1/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope)` & scope, ::`[tensorflow::Input](/versions/r2.1/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` logits)` ||\n\n| ### Public attributes ||\n|------------------------------------------------------------------------------------------|---------------------------------------------------------------------------------------------------------|\n| [logsoftmax](#classtensorflow_1_1ops_1_1_log_softmax_1aaa7ca17002b410b0a6992c5f604a13a6) | `::`[tensorflow::Output](/versions/r2.1/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) |\n| [operation](#classtensorflow_1_1ops_1_1_log_softmax_1acb2eb968de24da07c71196bfd2da5e36) | [Operation](/versions/r2.1/api_docs/cc/class/tensorflow/operation#classtensorflow_1_1_operation) |\n\n| ### Public functions ||\n|-----------------------------------------------------------------------------------------------------------------------|------------------------|\n| [node](#classtensorflow_1_1ops_1_1_log_softmax_1a1ef7bed8e2017ceda2891e1568c32072)`() const ` | `::tensorflow::Node *` |\n| [operator::tensorflow::Input](#classtensorflow_1_1ops_1_1_log_softmax_1ae15a3807bd29485ca7e6c0a0408bd656)`() const ` | ` ` ` ` |\n| [operator::tensorflow::Output](#classtensorflow_1_1ops_1_1_log_softmax_1a38da28934ec15aab2813d6d074a25386)`() const ` | ` ` ` ` |\n\nPublic attributes\n-----------------\n\n### logsoftmax\n\n```text\n::tensorflow::Output logsoftmax\n``` \n\n### operation\n\n```text\nOperation operation\n``` \n\nPublic functions\n----------------\n\n### LogSoftmax\n\n```gdscript\n LogSoftmax(\n const ::tensorflow::Scope & scope,\n ::tensorflow::Input logits\n)\n``` \n\n### node\n\n```gdscript\n::tensorflow::Node * node() const \n``` \n\n### operator::tensorflow::Input\n\n```gdscript\n operator::tensorflow::Input() const \n``` \n\n### operator::tensorflow::Output\n\n```gdscript\n operator::tensorflow::Output() const \n```"]]