如何对Numpy矩阵每行独立执行Softmax计算？

修改后的Softmax实现如下：

def softmax(x):
    # 计算每行的最大值，keepdims保持维度以便广播
    e_x = np.exp(x - np.max(x, axis=1, keepdims=True))
    # 按行求和，同样保持维度匹配
    return e_x / e_x.sum(axis=1, keepdims=True)

关键修改说明： #

• 原代码中np.max(x)会计算整个矩阵的全局最大值，我们需要每行的最大值来做数值稳定，因此添加axis=1指定按行取最大值，keepdims=True让结果保持(6,1)的形状，和输入x的(6,4)维度兼容，避免广播错误。
• 原代码中e_x.sum()会对整个矩阵的所有元素求和，改为e_x.sum(axis=1, keepdims=True)后，会对每行的元素单独求和，得到的结果是(6,1)的列向量，这样和e_x做除法时，会自动将每行的和广播到该行的所有元素，实现每行独立计算Softmax。

调用softmax(w0)后，结果中每行的元素和都为1，完全符合单个样本Softmax概率的要求。

内容的提问来源于stack exchange，提问作者MsA