Pytorch和TensorFlow的softmax函数使用区别小记

【背景】

Pytorch官方给的CNN模型中，在最后的分类层中并没有使用softmax函数、

【异同】

pytorch里面提供了一个损失函数： torch.nn.CrossEntropyLoss，这里面整合了softmax函数，如果使用这个交叉熵，则不应该在最后一层再使用softmax进行激活。这类似tensorflow中的tf.nn.softmax_cross_entropy_with_logits函数的功能，但是在命名上具有迷惑性。

如果在绘制AUC时候，需要拿到每个类别的分类则在pytorch中应该如下

outputs = model(img)  # 调用网络中的forward()方法
out_pro = torch.nn.functional.softmax(outputs)  # 计算输出分类的概率,2类的和为1