嘿，这个问题挺有意思的！让我来帮你把逻辑理清楚~

首先，咱们先明确torch.nn.functional.softmax(input, dim)的核心计算规则：它会沿着指定的dim维度，把每个切片里的元素转换成(0,1)区间的数值，且该切片内所有元素的和为1。具体公式是：

softmax(x_i) = exp(x_i) / sum(exp(x_j)) （其中j遍历当前切片内的所有元素）

要让运算后每个元素都等于1，只有一种情况能满足：每个切片里只有一个元素。因为此时分子分母都是同一个exp(x)，相除结果自然是1。

具体怎么做？ #

你只需要选择输入张量中**维度大小为1的那个dim**就行——不管它是最后一维还是其他维度。举个例子：

import torch
import torch.nn.functional as F

# 示例1：最后一维大小为1
input_1 = torch.randn(2, 3, 1)  # 形状(批量数, 特征数, 1)
output_1 = F.softmax(input_1, dim=2)  # 选择最后一维
print(output_1)  # 输出全1的张量，形状和输入一致

# 示例2：第一维大小为1
input_2 = torch.randn(1, 5, 4)  # 形状(1, 序列长度, 特征数)
output_2 = F.softmax(input_2, dim=0)  # 选择第一维
print(output_2)  # 同样输出全1的张量

你的直觉“选最后一维”其实没问题，但前提是最后一维的大小必须是1。如果其他维度的长度是1，选那个维度也能得到全1的结果。

内容的提问来源于stack exchange，提问作者Jadiel de Armas