Por que foi utilizada a dim = -1 na função softmax()?
Por que foi utilizada a dim = -1 na função softmax()?
hoje, com a Alura e o Google Gemini
A dimensão do dado que flui na rede é B X N (tamanho do batch x tamanho da feature). O índice -1 se refere à última dimensão, ou seja, a dimensão da feature.