Теперь вы можете задаться вопросом о разнице с SoftmaxOutput, которая не требует этой группировки. Это немного сбивает с толку, но SoftmaxOutput вычисляет выходной сигнал в прямом проходе и потерю в обратном проходе: он избавляет вас от необходимости делать этот трюк группировки, но делает его более хитрым, чтобы получить потерю.

у заменить mx.symbol.SoftmaxOutput на взвешенную версию (назначить другой вес по отношению к частоте метки во всем наборе данных) Оригинальная функция работает хорошо, как показано ниже: cls_prob = mx.symbol.SoftmaxOutput(data=data, ...