Pytorch softmax：使用什么维度？

功能torch.nn.functional.softmax有两个参数：input and dim。根据其文档，softmax 操作应用于所有切片input沿着指定的dim，并将重新调整它们以使元素位于范围内(0, 1)并求和为 1。

设输入为：

input = torch.randn((3, 4, 5, 6))

假设我想要以下内容，以便该数组中的每个条目都是 1：

sum = torch.sum(input, dim = 3) # sum's size is (3, 4, 5, 1)

我应该如何应用softmax？

softmax(input, dim = 0) # Way Number 0
softmax(input, dim = 1) # Way Number 1
softmax(input, dim = 2) # Way Number 2
softmax(input, dim = 3) # Way Number 3

我的直觉告诉我那是最后一个，但我不确定。英语不是我的母语并且这个词的使用along因此我觉得很困惑。

我不太清楚“沿着”是什么意思，所以我将使用一个可以澄清问题的例子。假设我们有一个大小为 (s1, s2, s3, s4) 的张量，我希望这种情况发生

史蒂文的回答 https://stackoverflow.com/a/49039412/是不正确的。请参阅下面的快照。实际上是相反的方式。

图片转录为代码：

>>> x = torch.tensor([[1,2],[3,4]],dtype=torch.float)
>>> F.softmax(x,dim=0)
tensor([[0.1192, 0.1192],
        [0.8808, 0.8808]])
>>> F.softmax(x,dim=1)
tensor([[0.2689, 0.7311],
        [0.2689, 0.7311]])