我编写了一个softmax回归函数def softmax_1(x)，它基本上接受一个m x n的矩阵，对矩阵进行指数化运算，然后对每一列的指数进行求和。

x = np.arange(-2.0, 6.0, 0.1)scores = np.vstack([x, np.ones_like(x), 0.2 * np.ones_like(x)])#scores shape is (3, 80)def softmax_1(x):    """Compute softmax values for each sets of scores in x."""    return(np.exp(x)/np.sum(np.exp(x),axis=0))

将其转换为DataFrame时，我需要进行转置

DF_activation_1 = pd.DataFrame(softmax_1(scores).T,index=x,columns=["x","1.0","0.2"])

所以我想尝试制作一个softmax函数的版本，该版本接受转置后的版本并计算softmax函数

scores_T = scores.T#scores_T shape is (80,3)def softmax_2(y):    return(np.exp(y/np.sum(np.exp(y),axis=1)))DF_activation_2 = pd.DataFrame(softmax_2(scores_T),index=x,columns=["x","1.0","0.2"])

然后我得到了这个错误：

Traceback (most recent call last):  File "softmax.py", line 22, in <module>    DF_activation_2 = pd.DataFrame(softmax_2(scores_T),index=x,columns=["x","1.0","0.2"])  File "softmax.py", line 18, in softmax_2    return(np.exp(y/np.sum(np.exp(y),axis=1)))ValueError: operands could not be broadcast together with shapes (80,3) (80,) 

为什么当我转置并在np.sum方法中切换轴时，这不起作用？

回答：

更改

np.exp(y/np.sum(np.exp(y),axis=1))

为

np.exp(y)/np.sum(np.exp(y),axis=1, keepdims=True)

这意味着np.sum将返回形状为(80, 1)的数组，而不是(80,)，这将正确地进行广播运算。另外，请注意括号关闭的更正。