首页 > 试题广场 >

Log Softmax函数的实现

[编程题]Log Softmax函数的实现

实现log-softmax函数。log-softmax是softmax函数的对数形式，在深度学习中常用于提高数值计算的稳定性。

需要在运算之前减去最大值保证数值稳定性。

输入一个列表，列表中的元素为浮点数。

输出一个numpy数组，代表log-softmax的结果。

示例1

输入

[1.0, 2.0, 3.0]

[-2.40760596 -1.40760596 -0.40760596]

1.对应的输入、输出已给出，您只用实现核心功能函数即可。
2.支持numpy、scipy、pandas、scikit-learn库。

算法知识视频讲解

Python 3

牛客470394344号

有没有大佬教我一下我哪里写错了

import numpy as np

def log_softmax(scores: list) -> np.ndarray:

a_max=np.max(scores)

#logsoftmax (a)=a-a_max-log(sum (exp(ai-a_max)))

return [round(x-a_max-np.log(np.sum(np.exp(scores-a_max))),8) for x in scores]

if __name__ == "__main__":

scores = eval(input())

print(log_softmax(scores))

这个结果难道不一样吗

发表于 2026-03-29 16:54:30 回复(0)

提交观点

深度学习

难度：

1条回答 5收藏 156浏览

Log Softmax函数的实现

扫一扫，把题目装进口袋