岛的博客

无法解析的外部符号 cudaLaunchKernel 等的解决方案

在 pytorch 1.11.0 版本被移除了

简单来说， softmax 适用于预测 结果互斥 的情况，也就是说label是one-hot的情况。 例如MNIST数据集，每张图片的结果只能是0-9中的一个数字，采用softmax之后可以保证概率相加为1，其中label对应位置的概率为预测结果是该数字的概率。 sigmoid适应于预测 结果不互斥 的情况，也就是说label可以是[1, 1, 0, 0, 1]。 例如有一堆包含动物的图片，其中每张图片可能包含多个动物。 参考：https://zhuanlan.zhihu.com/p/33560183 .

我做的一个关于K-NN的PPT 最后结果为：