20、从图像中区分鸟类和飞机：图像学习指南

从图像中区分鸟类和飞机：图像学习指南

1. 均方误差（MSE）在分类任务中的局限性

在图像分类任务里，预测结果可能会偏离目标。当预测处于低损失区域时，正确类别被赋予的预测概率能达到 99.97%。然而，我们一开始就排除掉的均方误差（MSE），在很早的时候就会饱和，而且对于非常错误的预测也是如此。其根本原因在于，MSE 的斜率过低，无法弥补 softmax 函数在错误预测时的平缓特性。所以，基于概率的 MSE 并不适合分类工作。

2. 训练分类器

2.1 训练循环的调整

我们重新使用之前写的训练循环，并对其进行了一些小调整。以下是具体的代码：

import torch
import torch.nn as nn

model = nn.Sequential(
    nn.Linear(3072, 512),
    nn.Tanh(),
    nn.Linear(512, 2),
    nn.LogSoftmax(dim=1)
)
learning_rate = 1e-2
optimizer = optim.SGD(model.parameters(), lr=learning_rate)
loss_fn = nn.NLLLoss()
n_epochs = 100

for epoch in range(n_epochs):
    for img, label in cifar2:
        out = model(img.view(-1).unsqueeze(0))
        loss = loss_fn(out, torch.tensor([labe