python - torch softmax : What dimension to use?

Question

torch.nn.functional.softmax 函数有两个参数:input 和 dim。根据其文档，softmax 操作应用于沿指定 dim 的所有 input 切片，并将重新缩放它们，以便元素位于范围 ( 0, 1) 和为 1。

令输入为:

input = torch.randn((3, 4, 5, 6))

假设我想要以下内容，以便该数组中的每个条目都是 1:

sum = torch.sum(input, dim = 3) # sum's size is (3, 4, 5, 1)

我应该如何应用softmax？

softmax(input, dim = 0) # Way Number 0
softmax(input, dim = 1) # Way Number 1
softmax(input, dim = 2) # Way Number 2
softmax(input, dim = 3) # Way Number 3

我的直觉告诉我那是最后一个，但我不确定。英语不是我的第一语言，因此 along 这个词的使用让我感到困惑。

我不是很清楚“along”是什么意思，所以我举个例子来说明一下。假设我们有一个大小为 (s1, s2, s3, s4) 的张量，我希望它发生

Answer 1

Steven's answer是不正确的。请参阅下面的快照。实际上是相反的方式。

图像转录为代码:

>>> x = torch.tensor([[1,2],[3,4]],dtype=torch.float)
>>> F.softmax(x,dim=0)
tensor([[0.1192, 0.1192],
        [0.8808, 0.8808]])
>>> F.softmax(x,dim=1)
tensor([[0.2689, 0.7311],
        [0.2689, 0.7311]])