老狗——理解 “ nn.Softmax（dim=0）“
老狗——理解 " nn.Softmax（dim=0）"
多维tensor时，对softmax的参数dim总是很迷，下面用一个例子说明
import torch.nn as nn
m = nn.Softmax(dim=0)
n = nn.Softmax(dim=1)
k = nn.Softmax(dim=2)
input = torch.randn(2, 2, 3)
print(input)
print(m(input))
print(n(input))
print(k(input))
输出：
input
tensor([[[ 0.5450, -0.6264, 1.0446],
[ 0.6324, 1.9069, 0.7158]],
[[ 1.0092, 0.2421, -0.8928],
[ 0.0344, 0.9723, 0.4328]]])
dim=0
tensor([[[0.3860, 0.2956, 0.8741],
[0.6452, 0.7180, 0.5703]],
[[0.6140, 0.7044, 0.1259],
[0.3548, 0.2820, 0.4297]]])
dim=0时，在第0维上sum=1，即：
[0][0][0] + [1][0][0] = 0.3860 + 0.6140 = 1
[0][0][1] + [1][0][1] = 0.2956 + 0.7044 = 1
… …
dim=1
tensor([[[0.4782, 0.0736, 0.5815],
[0.5218, 0.9264, 0.4185]],
[[0.7261, 0.3251, 0.2099],
[0.2739, 0.6749, 0.7901]]])
dim=1时，在第1维上sum=1，即：
[0][0][0]+[0][1][0]=0.4782+0.5218=1
[0][0][1]+[0][1][1]=0.0736+0.9264=1
… …
dim=2
tensor([[[0.3381, 0.1048, 0.5572],
[0.1766, 0.6315, 0.1919]],
[[0.6197, 0.2878, 0.0925],
[0.1983, 0.5065, 0.2953]]])
dim=2时，在第2维上sum=1，即：
[0][0][0] + [0][0][1] + [0][0][2] = 0.3381 + 0.1048 + 0.5572 = 1.0001（四舍五入问题）
[0][1][0] + [0][1][1] + [0][1][2] = 0.1766 + 0.6315 + 0.1919 = 1
… …
