【PyTorch深度学习】第八讲：多分类

最新推荐文章于 2024-03-24 19:05:28 发布

原创

最新推荐文章于 2024-03-24 19:05:28 发布 · 239 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #深度学习

本文深入探讨了PyTorch中多分类任务的相关概念，包括SoftMax函数用于生成概率分布，NLLLoss计算损失，以及CrossEntropyLoss的综合作用。通过代码实现和结果展示，帮助理解如何在深度学习模型中应用这些方法。

1.概念

softMax：概率分布，将每个项的值/累加的值=每个结果出现的概率值
NLLLoss：就是把输出与Label对应的那个值拿出来，再去掉负号，再求均值
CrossEntropyLoss：就是把Softmax–Log–NLLLoss合并成一步

2.代码实现

import torch
from torchvision import transforms
from torchvision import datasets
from torch.utils.data import DataLoader
import torch.nn.functional as F
import torch.optim as optim

# prepare dataset

'''
Normalize:均值和方差
'''
batch_size = 64
transform = transforms.Compose([transforms.ToTensor(), transforms.Normalize((0.1307,), (0.3081,))])  # 归一化

train_dataset = datasets.MNIST(root='../dataset/mnist/', train=True, download=True, transform=transform)#trans转化
train_loader = DataLoader(train_dataset, shuffle=True, batch_size=batch_size)

test_dataset = datasets.MNIST(root='../dataset/mnist/', train=False, download=True, transform=transform)
test_loader = DataLoader(test_dataset, shuffle=False, batch_size=batch_size)


# design model using class


clas