Torch.nn.functional.softmax дает неточные выходные данные softmax ⇐ Python

[Anonymous]

Я пытаюсь реализовать скрытое самообслуживание с нуля, но при расчете softmax для оценок сходства я получаю странные результаты. Я просмотрел документацию и другие вопросы, размещенные здесь, но до сих пор не могу понять, что делаю неправильно. Ниже приведен тест, который я подготовил с результатами.
Что я пробовал:

Код: Выделить всё

print(sims)
print(torch.nn.functional.softmax(sims, dim=1))

Это дает следующий результат:

Код: Выделить всё

tensor([[ 1.,  2.,  3.,  4.,  5.,  6.],
[ 7.,  8.,  9., 10., 11., 12.],
[13., 14., 15., 16., 17., 18.],
[19., 20., 21., 22., 23., 24.],
[25., 26., 27., 28., 29., 30.],
[31., 32., 33., 34., 35., 36.],
[37., 38., 39., 40., 41., 42.],
[43., 44., 45., 46., 47., 48.],
[49., 50., 51., 52., 53., 54.],
[55., 56., 57., 58., 59., 60.]])

tensor([[0.0043, 0.0116, 0.0315, 0.0858, 0.2331, 0.6337],
[0.0043, 0.0116, 0.0315, 0.0858, 0.2331, 0.6337],
[0.0043, 0.0116, 0.0315, 0.0858, 0.2331, 0.6337],
[0.0043, 0.0116, 0.0315, 0.0858, 0.2331, 0.6337],
[0.0043, 0.0116, 0.0315, 0.0858, 0.2331, 0.6337],
[0.0043, 0.0116, 0.0315, 0.0858, 0.2331, 0.6337],
[0.0043, 0.0116, 0.0315, 0.0858, 0.2331, 0.6337],
[0.0043, 0.0116, 0.0315, 0.0858, 0.2331, 0.6337],
[0.0043, 0.0116, 0.0315, 0.0858, 0.2331, 0.6337],
[0.0043, 0.0116, 0.0315, 0.0858, 0.2331, 0.6337]])

В качестве примера я ожидаю вывода функции softmax в первой строке «sims»

Код: Выделить всё

[ 1.,  2.,  3.,  4.,  5.,  6.]

чтобы показать

Код: Выделить всё

[ .047,  .095,  .142,  .19,  .238,  .285]

что будет точным процентом внимания softmax, который необходимо применить к моему тензору значений

Подробнее здесь: https://stackoverflow.com/questions/793 ... max-output