Python 命令 np.sum(x, axis=0) 和 softmax 函数答案

【问题标题】：Python command np.sum(x, axis=0) and softmax functionPython 命令 np.sum(x, axis=0) 和 softmax 函数
【发布时间】：2017-08-22 10:12:24
【问题描述】：

我有以下问题：我想在 Python 中计算 softmax 函数并得到一个意想不到的结果。代码如下：

import numpy as np

def softmax(x):
    """Compute softmax values for each sets of scores in x."""
    return np.exp(x) / np.sum(np.exp(x), axis=0)

它工作得很好，但我不知道为什么：它在矩阵上工作如下：如果我插入一个 2x2 矩阵 A，输出是另一个 2x2 矩阵。这是为什么？它不应该返回一个不同大小的数组，因为矩阵的每个元素，即 $x=A[0,0]$，都会产生 2 个输出值（即 $exp(x)/(exp(A[0,0]) +exp(A[1,0]))$ 和 $exp(x)/(exp(A[0,1])+exp(A[1,1]))$，因为还是 axis=0 命令？这将导致一个 8 元素的输出数组，但实际结果只有 4 个元素。另外，axis=0 命令究竟是如何工作的？如果我输入 A=np.array([2, 4])，那么np.sum(A, axis=0) 的逻辑结果应该是 array([2, 4])，因为列是求和的。但结果是 array([6])。命令 np.sum(A , axis=1) 奇怪地产生“'axis' entry is out of bounds”，尽管结果应该是数组（[6]），因为行被总结了。也许我的两个问题是相关的。任何帮助将不胜感激！谢谢，里昂

【问题讨论】：

寻求调试帮助的问题应包括minimal reproducible example。请包括输入 + 预期输出与实际输出。
如果您考虑np.array([[2], [4]]) 并使用axis=1，您对np.sum 的直觉会起作用。

标签： python numpy

【解决方案1】：

我将跳入“最终”问题：

matrix_22 / vector_2

因为这在数学上没有意义，numpy 使用了某种假设。就像：

matrix_22 * 5

所做的是将矩阵的每个元素乘以 5。然后，如果我们将 matrix_22 视为向量的向量，那么 matrix_22 / vector_2 的结果将导致对矩阵上的每个向量应用除法运算.

您可以轻松检查执行以下操作的行为：

np.array([[14, 28], [70, 56]]) / np.array([2, 7])

符号：matrix_22 是“一些变量，其中包含一个 2x2 形状的 numpy 数组，因此它是一个 2x2 矩阵”。而vector_2 是一个包含两个元素的 numpy 数组。

【讨论】：