这个问题提到了一个关键词-“temperature=0.9”。这个是什么意思呢？它又有哪些用途呢？
在深度学习领域中，temperature通常用来控制softmax函数的输出。而softmax函数则是一种将向量转换为概率分布的方法。在训练神经网络时，我们可以使用softmax函数来计算模型的损失值，并通过反向传播来更新模型参数。
但是，在某些情况下，我们可能需要调整softmax函数的输出概率分布。这就需要用到temperature参数。当我们把temperature设置为较高的值时，softmax函数的输出分布会变得更加平滑，从而导致模型更加关注那些概率比较大的类别。反之，当我们把temperature设置为较低的值时，模型会更加关注那些概率最大的类别。
具体来说，当temperature=1.0时，softmax函数不会进行任何调整；当temperature<1.0时，模型会更加关注那些概率最大的类别；当temperature>1.0时，则会降低那些概率比较小的类别的影响。
“temperature=0.9”又应该怎样理解呢？首先要明确的是这只是一种取值方式。通常情况下，temperature的取值范围在0.1~5之间。而当我们把temperature设置为0.9时，模型的输出分布会更加关注那些概率最大的类别，并且会稍微降低那些概率比较小的类别的影响。
在实际应用中，我们可以根据具体的需求来灵活地调整temperature参数，以获得更好的模型性能。
“temperature=0.9”是一种用来控制softmax函数输出分布的参数取值方式。通过调整这个参数，我们可以让模型更加关注那些概率最大的类别，并且在一定程度上降低那些概率比较小的类别的影响，从而提高模型的性能。