概述
1、softmax函数的引出
处理多分类问题时，一般的激活函数会产生矛盾的效果，需要满足两个条件，所有的P均大于0，所有的P相加等于1。
而softmax函数可以满足这一点
函数公式：
真的是非常Amazing啊
下面这个实例展示它是如何计算的
2、损失函数的选取
对于二分类问题，之前我们选取了交叉熵作为损失函数，多分类问题有了些许变化，损失函数为
用程序语言来表达整个过程：
3、用pytorch来书写过程
注：CrossEntropyLoss()包含了Softmax，因此最后面的一层不用额外激活
4、实例过程
0、调包
1、准备数据集
ToTensor（）是将一幅图片的所有像素点变成一个向量
Normalize是概率论中化成标准正态分布的公式：（x-u)/sigma
0.1307为u，0.3081为sigma 由MNIST数据集确定
2、设计模型
view(-1,784) -1代表程序会自动计算这个数值
3、构建损失函数和优化器
4、训练和测试
with torch.no_grad()测试时，设置无梯度运行
dim=1 横向扫描像素点
最后
以上就是外向铅笔为你收集整理的pytorch学习笔记（八）：全连接层处理图像分类问题的全部内容，希望文章能够帮你解决pytorch学习笔记（八）：全连接层处理图像分类问题所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复