该函数将输出向量转化为概率分布，作用和softmax一致。

相比softmax，对较小的概率分布处理能力更好。

一、定义

softmax 计算公式：

log_softmax 计算公式：

可见仅仅是将 softmax 最外层套上 log 函数。

二、使用场景

log_softmax 相比 softmax，对较小的概率分布处理能力更好。

例如向量 ，使用softmax处理后，得到的概率分布如下：

使用 log_softmax 之后得到的概率分布如下：

可见使用 softmax ，第一个数直接变0，当经过一次迭代 之后，使用 softmax 得到的概率分布第一个元素仍为0，因此求得梯度为0，这个数据就不能用于更新参数，而使用 log_softmax  可解决此问题。

因此，log_softmax与softmax的区别在于输出的形式不同，softmax输出的是概率分布，而log_softmax输出的是对数概率分布。

在实际应用中，log_softmax通常用于计算损失函数，而softmax则用于预测[1]。

参考资料：

[1] log_softmax与softmax的区别_编程设计_ITGUEST