深度学习笔记 —— Softmax回归 + 损失函数 + 图片分类数据集

这篇博客介绍了Fashion-MNIST数据集的加载和可视化,并探讨了损失函数在预测值与真实值差异较大或较小时的影响。通过PyTorch实现了softmax回归模型的训练和评估,展示了训练过程中的损失和准确率变化。最后,用简洁的模型再次训练并进行了预测。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 

 

 

 

 

 

优点:梯度永远是常数,会带来稳定性上的好处。

缺点:零点处不可导,此处梯度剧烈变化,这种不平滑性导致在预测值与真实值相差比较小的时候变得不太稳定。

也可以自己提出损失函数。 

 

因此,分析损失函数时,可从其梯度函数的图像入手,分析当预测值与真实值相差较大或者较小时,进行更新会是怎样的情况。

import torch
import torchvision
from torch.utils import data
from torchvision import transforms
from d2l import torch as d2l

d2l.use_svg_display()  # 用svg显示图片,清晰度更高

# 通过框架中的内置函数将Fashion-MNIST数据集下载并读取到内存中
# 通过ToTensor实例将图像数据从PIL类型变换成32位浮点数格式
# 并除以255使得所有像素的数值在0到1之间
trans = transforms.ToTensor()  # 预处理,把图片转化成pytorch的tensor
mnist_train = torchvision.datasets.FashionMNIST(root="../data", train=True, transform=trans, download=True)
mnist_test = torchvision.datasets.FashionMNIST(root="../data", train=False, transform=trans, download=True)
print(len(mnist_train))
print(len(mnist_test))
print(mnist_train[0][0].shape)  # 图片形状


# 两个可视化数据集的函数
def get_fashion_mnist_labels(labels):
    """返回Fashion-MNIST数据集的文本标签"""
    text_labels = [
        't-shirt', 'trouser', 'pullover', 'dress', 'coat', 'sandal', 'shirt', 'sneaker', 'bag', 'ankle boot'
    ]
    return [text_labels[int(i)] for i in labels]


def show_images(imgs, num_rows, num_cols, titles=None, scale=1.5):
    """Plot a list of images."""
    figsize = (num_cols * scale, num_rows * scale)
    _, axes = d2l.plt.subplots(num_rows, num_cols, figsize=figsize)
    axes = axes.flatten()
    for i, (ax, img) in enumerate(zip(axes, imgs)):
        if torch.is_tensor(img):
            # 图片数量
            ax.imshow(img.numpy())
        else:
            # PIL图片
            ax.imshow(img)
        ax.axes.get_xaxis().set_visible(False)
        ax.axes.get_yaxis().set_visible(False)
        if titles:
            ax.set_title(titles[i])
    d2l.plt.show()
    return axes


# DataLoader拿到大小为固定数字的批量数据,用iter构成出iterator,next即为拿到第一个批量数据
X, y = next(iter(data.DataLoader(mnist_train, batch_size=18)))
# 弃掉通道数,reshape为number of examples
show_images(X.reshape(18, 28, 28), 2, 9, titles=get_fashion_mnist_labels(y))

# 读取一小批量数据,大小为batch_size
batch_size = 256


def get_dataloader_workers():
    """使用4个进程来读取的数据"""
    return 4


train_iter = data.DataLoader(mnist_train, batch_size, shuffle=True, num_workers=get_dataloader_workers())
timer = d2l.Timer()
for X, y in train_iter:
    continue
print(f'{timer.stop():.2f} sec')  # 读取数据的速度应当要比训练速度快


def load_data_fashion_mnist(batch_size, resize=None):
    """下载Fashion-MNIST数据集,然后将其加载到内存中"""
    trans = [transforms.ToTensor()]
    if resize:
        trans.insert(0, transforms.Resize(resize))
    trans = transforms.Compose(trans)
    mnist_train = torchvision.datasets.FashionMNIST(root="../data", train=True, transform=trans, download=True)
    mnist_test = torchvision.datasets.FashionMNIST(root="../data", train=False, transform=trans, download=True)
    return (data.DataLoader(mnist_train, batch_size, shuffle=True, num_workers=get_dataloader_workers()),
            data.DataLoader(mnist_test, batch_size, shuffle=False, num_workers=get_dataloader_workers()))
class Accumulator:
    """在n个变量上累加"""
    def __init__(self, n):
        self.data = [0.0] * n

    def add(self, *args):
        self.data = [a + float(b) for a, b in zip(self.data, args)]

    def reset(self):
        self.data = [0.0] * len(self.data)

    def __getitem__(self, idx):
        return self.data[idx]
from d2l import torch as d2l
from IPython import display
import matplotlib.pyplot as plt


class Animator:  # @save
    """在动画中绘制数据"""

    def __init__(self, xlabel=None, ylabel=None, legend=None, xlim=None,
                 ylim=None, xscale='linear', yscale='linear',
                 fmts=('-', 'm--', 'g-.', 'r:'), nrows=1, ncols=1,
                 figsize=(3.5, 2.5)):
        # 增量地绘制多条线
        if legend is None:
            legend = []
        d2l.use_svg_display()
        self.fig, self.axes = d2l.plt.subplots(nrows, ncols, figsize=figsize)
        if nrows * ncols == 1:
            self.axes = [self.axes, ]
        # 使用lambda函数捕获参数
        self.config_axes = lambda: d2l.set_axes(
            self.axes[0], xlabel, ylabel, xlim, ylim, xscale, yscale, legend)
        self.X, self.Y, self.fmts = None, None, fmts

    def add(self, x, y):
        # 向图表中添加多个数据点
        if not hasattr(y, "__len__"):
            y = [y]
        n = len(y)
        if not hasattr(x, "__len__"):
            x = [x] * n
        if not self.X:
            self.X = [[] for _ in range(n)]
        if not self.Y:
            self.Y = [[] for _ in range(n)]
        for i, (a, b) in enumerate(zip(x, y)):
            if a is not None and b is not None:
                self.X[i].append(a)
                self.Y[i].append(b)
        self.axes[0].cla()
        for x, y, fmt in zip(self.X, self.Y, self.fmts):
            self.axes[0].plot(x, y, fmt)
        self.config_axes()
        plt.draw()
        plt.pause(0.001)
        display.display(self.fig)


        display.clear_output(wait=True)
import torch
from IPython import display
from d2l import torch as d2l
from Accumulator import Accumulator
from Animator import Animator

# softmax回归的从零开始实现
batch_size = 256
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)
# 展平每个图像,将它们视为长度为784的向量(会损失掉很多空间信息);因为数据集有10个类别,所以网络输出维度为10
num_inputs = 784
num_outputs = 10
# 因为要计算梯度,所以requires_grad=True
W = torch.normal(0, 0.01, size=(num_inputs, num_outputs), requires_grad=True)
b = torch.zeros(num_outputs, requires_grad=True)


# 实现softmax
def softmax(X):
    X_exp = torch.exp(X)
    partition = X_exp.sum(1, keepdim=True)
    return X_exp / partition  # 这里应用了广播机制


# 实现softmax回归模型
def net(X):
    return softmax(torch.matmul(X.reshape((-1, W.shape[0])), W) + b)  # 本模型中,X会被reshape成批量大小 * 输入维数的矩阵


# 实现交叉熵损失函数
def cross_entropy(y_hat, y):
    return -torch.log(y_hat[range(len(y_hat)), y])


y = torch.tensor([0, 2])
y_hat = torch.tensor([[0.1, 0.3, 0.6], [0.3, 0.2, 0.5]])
print(y_hat[[0, 1], y])
print(cross_entropy(y_hat, y))


# 将预测类别与真是y元素进行比较
def accuracy(y_hat, y):
    """计算预测正确的数量"""
    if len(y_hat.shape) > 1 and y_hat.shape[1] > 1:
        y_hat = y_hat.argmax(axis=1)
    cmp = y_hat.type(y.dtype) == y  # 转换成一个布尔类型的tensor
    return float(cmp.type(y.dtype).sum())


print(accuracy(y_hat, y) / len(y))


# 评估任意模型net的准确率
def evaluate_accuracy(net, data_iter):
    """计算在指定数据集上模型的精度"""
    if isinstance(net, torch.nn.Module):
        net.eval()  # 将模型设置为评估模式
    metric = Accumulator(2)  # 正确预测数、预测总数
    for X, y in data_iter:
        metric.add(accuracy(net(X), y), y.numel())
    return metric[0] / metric[1]


# softmax回归的训练
def train_epoch_ch3(net, train_iter, loss, updater):
    if isinstance(net, torch.nn.Module):  # 如果模型是用nn.Module实现的话,则开启训练模式,计算梯度
        net.train()
    metric = Accumulator(3)
    for X, y in train_iter:
        y_hat = net(X)
        l = loss(y_hat, y)
        if isinstance(updater, torch.optim.Optimizer):
            updater.zero_grad()
            l.backward()
            updater.step()  # 对参数进行更新
            metric.add(float(l) * len(y), accuracy(y_hat, y), y.size().numel())
        else:
            l.sum().backward()
            updater(X.shape[0])
            metric.add(float(l.sum()), accuracy(y_hat, y), y.numel())
        return metric[0] / metric[2], metric[1] / metric[2]


# 训练函数
def train_ch3(net, train_iter, test_iter, loss, num_epochs, updater):
    animator = Animator(xlabel='epoch', xlim=[1, num_epochs], ylim=[0.3, 0.9],
                        legend=['train loss', 'train acc', 'test acc'])
    for epoch in range(num_epochs):
        train_metrics = train_epoch_ch3(net, train_iter, loss, updater)
        test_acc = evaluate_accuracy(net, test_iter)
        animator.add(epoch + 1, train_metrics + (test_acc,))
    train_loss, train_acc = train_metrics


# 小批量随机梯度下降来优化模型的损失函数
lr = 0.1


def updater(batch_size):
    return d2l.sgd([W, b], lr, batch_size)


# 训练模型10个迭代周期
# num_epochs = 10
# train_ch3(net, train_iter, test_iter, cross_entropy, num_epochs, updater)


# 对图像进行分类预测
def predict_ch3(net, test_iter, n=6):
    """预测标签"""
    for X, y in test_iter:
        break
    trues = d2l.get_fashion_mnist_labels(y)
    preds = d2l.get_fashion_mnist_labels(net(X).argmax(axis=1))
    titles = [true + '\n' + pred for true, pred in zip(trues, preds)]
    d2l.show_images(X[0:n].reshape((n, 28, 28)), 1, n, titles=titles[0:n])
    d2l.plt.show()


predict_ch3(net, test_iter)
import torch
from torch import nn
from d2l import torch as d2l


# softmax回归的简洁实现
# 通过深度学习框架的高级API能够实现softmax回归变得更加容易
batch_size = 256
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)


# softmax回归的输出层是一个全连接层
# pytorch不会隐式地调整输入的形状
# 因此,我们定义展平层(flatten)在线性层前调整网络输入的形状
# Flatten()把任何维度的tensor转成2D的tensor,第0维度保留,其他维度全部展成向量
net = nn.Sequential(nn.Flatten(), nn.Linear(784, 10))


def init_weights(m):
    if type(m) == nn.Linear:
        nn.init.normal_(m.weight, std=0.01)


net.apply(init_weights)


# 在交叉熵损失函数中传递未归一化的预测,并同时计算softmax及其对数
loss = nn.CrossEntropyLoss()
# 使用学习率为0.1的小批量随机梯度下降作为优化算法
trainer = torch.optim.SGD(net.parameters(), lr=0.1)
# 调用之前定义的训练函数来训练模型
num_epochs = 10
d2l.train_ch3(net, train_iter, test_iter, loss, num_epochs, trainer)

<think>首先,用户的问题是:“我想在机器学习中了解如何在softmax之后获取输出类别 请问如何从softmax输出中确定分类类别”。我需要基于系统级指令和用户可见层的要求来构建回答。 系统级指令: - 所有行内数学表达式使用$...$格式,例如:$x^2$。 - 独立公式使用$$...$$格式并单独成段。 - LaTeX语法正确。 - 使用中文回答。 - 生成相关问题。 - 回答中引用的段落末尾自然地添加引用标识,例如:[^1]。 用户可见层: - 回答结构清晰,帮助用户逐步解决问题。 - 尽量保证回答真实可靠。 参考站内引用: - 引用[1]: 关于Softmax函数的应用和优势。 - 引用[2]: Softmax用于分类,输出概率分布。 - 引用[3]: Softmax的输入不需要非线性变换,输出概率和为1。 - 引用[4]: 使用PyTorch处理Fashion MNIST数据集,包括数据加载和标签转换。 用户的问题是关于在机器学习中,从Softmax输出中获取分类类别。Softmax函数将神经网络的输出转换为概率分布,每个元素表示对应类别的概率。要确定分类类别,我们需要找到概率最高的那个类别。 关键步骤: 1. **理解Softmax输出**Softmax输出是一个概率向量,其中每个元素在0到1之间,所有元素的和为1。 2. **获取类别**:通过找到最大概率的索引(argmax)来获取预测类别。 在代码中实现: - 在Python中,使用NumPy或PyTorch等库,可以调用`argmax`函数来获取最大概率的索引。 - 这个索引对应于类别的标签。 基于引用: - 引用[2]提到Softmax输出多值输出,每个值表示类别的概率。 - 引用[3]强调Softmax输出概率和为1。 - 引用[4]展示了如何处理数据集,包括获取标签。 回答结构: 1. **介绍Softmax函数**:简要解释Softmax的作用,将原始分数转换为概率。 2. **解释如何获取类别**:描述使用argmax操作。 3. **示例代码**:提供简单的代码示例,展示如何在实践中实现。 4. **注意事项**:提到数值稳定性和实际应用中的考虑。 5. **生成相关问题**:在最后添加相关问题。 确保使用中文回答,并正确格式化数学表达式。 例如: - 行内数学:Softmax函数定义为 $\sigma(\mathbf{z})_i = \frac{e^{z_i}}{\sum_{j=1}^{K} e^{z_j}}$。 - 独立公式:如果需要,可以单独写公式。 生成相关问题: - 基于主题,如优化、性能等。 最终回答大纲: 1. **开头**:直接回答问题,解释过程。 2. **详细步骤**: - Softmax的输出是什么。 - 如何从输出中提取类别。 - 代码示例。 3. **结尾**:总结,并添加相关问题。</think>### 如何从Softmax输出中确定分类类别 在机器学习中,Softmax函数常用于多分类任务的最后一层,它将神经网络的原始输出(logits)转换为概率分布。每个输出值表示样本属于对应类别的概率,所有概率之和为1[^2][^3]。要从中获取预测类别,只需找到概率最高的那个类别索引(即argmax操作)。下面我将逐步解释这一过程,确保回答清晰可靠。 #### 步骤1: 理解Softmax输出 - Softmax函数的数学定义为: $$ \sigma(\mathbf{z})_i = \frac{e^{z_i}}{\sum_{j=1}^{K} e^{z_j}} $$ 其中,$\mathbf{z}$ 是神经网络的原始输出向量(logits),$K$ 是类别总数,$\sigma(\mathbf{z})_i$ 表示样本属于第 $i$ 类的概率。 - 输出是一个概率向量,例如:如果类别数为3,输出可能为 $[0.1, 0.7, 0.2]$,表示样本属于第2类的概率最高(70%)[^2][^3]。 #### 步骤2: 获取预测类别 - **核心操作:取argmax** 预测类别是概率向量中最大值的索引。数学上,这表示为: $$ \text{predicted\_class} = \arg\max_{i} \sigma(\mathbf{z})_i $$ 例如,如果输出概率为 $[0.1, 0.7, 0.2]$,则 $\arg\max$ 的结果为索引1(Python中索引从0开始)。 - **为什么有效?** Softmax输出概率分布,argmax直接选择最可能的类别,这符合分类任务的目标[^1][^2]。 #### 步骤3: 代码实现示例 在Python中,使用NumPy或PyTorch等库可以轻松实现。以下是基于PyTorch的示例(参考引用[^4]的数据处理): ```python import torch import torch.nn.functional as F # 假设神经网络输出原始logits(例如3个类别的logits) logits = torch.tensor([2.0, 1.0, 0.1]) # 原始输出,可能有负数 # Step 1: 应用Softmax获取概率分布 probabilities = F.softmax(logits, dim=0) # 输出例如: tensor([0.6590, 0.2424, 0.0986]) # Step 2: 取argmax得到预测类别索引 predicted_class_index = torch.argmax(probabilities).item() # 输出: 0(表示第0类) # 可选:将索引转换为实际标签(参考引用[^4]的标签处理) # 例如,Fashion MNIST数据集中,索引0对应"T-shirt" labels = ["T-shirt", "Trouser", "Pullover"] # 假设的标签列表 predicted_label = labels[predicted_class_index] # 输出: "T-shirt" ``` - **关键点说明**: - `F.softmax` 确保输出概率和为1。 - `torch.argmax` 返回最大概率的索引。 - 实际应用中,需根据数据集定义标签映射(如引用[^4]中的`get_fashion_mnist_labels`函数)[^3][^4]。 #### 注意事项 - **数值稳定性**Softmax计算涉及指数,可能溢出。框架如PyTorch已内置稳定实现(如减去最大值),无需手动处理[^3]。 - **输出解读**:概率值本身可用于置信度分析,例如概率接近1表示高置信度预测。 - **应用场景**:此方法适用于图像分类、文本分类等任务(如引用[^1]和[^2]所述)。 ### 相关问题 1. 如何处理Softmax输出中的低置信度预测? 2. 在多标签分类中,Softmax是否适用?如果不适用,替代方案是什么? 3. 如何评估Softmax分类模型的性能(如准确率、混淆矩阵)? [^1]: Softmax函数广泛应用于各种分类任务中,包括但不限于图像分类、文本分类、推荐系统和序列标注等。在这些任务中,Softmax函数能够有效地将神经网络的输出转换为易于解释的概率分布,为模型提供了强大的分类能力。 [^2]: 动手学深度学习——softmax分类回归分类的区别: 回归可以用于预测多少的问题, 比如"预测房屋被售出价格",它是个单值输出。softmax可以用来预测分类问题,例如"某个图片中是猫、鸡还是狗?",这是一个多值输出,输出个数等于类别个数,输出的第i个值表示预测为第i类别的概率。 [^3]: PyTorch 深度学习实践-基于SoftMax的多分类。说明: 1、softmax的输入不需要再做非线性变换,也就是说softmax之前不再需要激活函数(relu)。softmax两个作用,如果在进行softmax前的input有负数,通过指数变换,得到正数。所有类的概率求和为1。 [^4]: Pytorch学习笔记 03 Softmax回归图片分类数据集09 Softmax 回归 + 损失函数 + 图片分类数据集【动手学深度学习v2】_哔哩哔哩_bilibili 1. 数据集的导入和预处理(1.5 整合) 1.1 涉及到的库及工具包 % matplotlib inline import numpy as np import torch import torchvision from torch.utils import data from torchvision import transforms from d2l import torch as d2l d2l.use_svg_display() 1.2 通过框架中的内置函数将Fashion MNIST数据集读取到内存中 trans = transforms.ToTensor() """通过ToTensor实例将图像数据从PIL类型转换为32位浮点数据格式""" """并处以255,是所有的像素点数值位于0-1""" mnist_train = torchvision.datasets.FashionMNIST(root = '.\data', train = True, transform = trans, download = False) mnist_test = torchvision.datasets.FashionMNIST(root = '.\data', train = False, transform = trans, download = False) 1.3 返回Fashion MNIST数据集中的文版标签 def get_fashion_mnist_labels(labels): """将类别的索引转化为文字""" text_labels = [ ] return [text_labels[int(i)] for i in labels] 【附】如何将预处理后的数据再转换为图片并输出对应的文本标签? X, y = next(iter(data.DataLoader(mnist_train, batch_size = 10))) show_image(X.reshape(10, 28, 28), 2, 9, titles = get_fashion_mnist_labels(y)) d2l.plt.show()。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值