torch模拟sigmoid

本文探讨了在PyTorch中如何实现Sigmoid激活函数,同时针对可能出现的收敛问题进行了分析,并提出了解决策略。

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

收敛效果不好:




import torch


t=torch.Tensor([1,1,1,1,1,1,1,1,1,1])
x=torch.Tensor([-10,-5,-22,-0.5,1,2,3,7,8,90])

y= x.sigmoid()

print(y)

loss_fn = torch.nn.BCELoss()

loss=loss_fn(t,y)
print(loss)

print(x)


import torch

bbb=torch.clamp(x,-10,10)/20+0.5
# bbb = torch.where(x > 10, torch.full_like(x, 10), x)
# bbb = torch.where(bbb < -10, torch.full_like(bbb, -10), bbb)

print(bbb)
loss=loss_fn(t,bbb)
print(loss)

 

评论
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

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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