Softmax回归的概念以及代码实现

回归 vs 分类

• 回归估计是一个连续值
• 分类是预测一个离散类别

从回归到多类分类

• 回归

  • 单连续数值输出
  • 自然区间R
  • 跟真实值的区别作为损失

• 分类

  • 多个输出
  • 输出i是预测为第i类的置信度

校验比例：Softmax

• 输出匹配概率（非负，和为1）
  • $\hat{y}=softmax(o)$
  • ${\hat{y}}_i=\frac{exp(o_i)}{{\sum }_{k}exp(o_k)}$
  • 真实概率 y 和预测概率 $\hat{y}$的区别作为损失
• softmax和交叉熵损失
  • 交叉熵常用来衡量两个概率的区别$H(p,q)={\sum }_i-p_{i}log(q_i)$
  • 将它作为损失 ：$l(y,\hat{y})=-{\sum }_i{y}_{i}log{\hat{y}}_i=-log{\hat{y}}_y$
  • 其梯度是真实概率和预测概率的区别-
    • ${\partial }_{O_i}l(y,\hat{y})=softmax(o{)}_i-y$

总结

• softmax回归是一个多类分类模型
• 使用softmax操作子得到每个类的预测置信度
• 使用交叉熵来衡量预测和标号的区别

代码实现

导入数据集，设置批量大小

• 使用Fashion-MNIST数据集，并保持批量大小为256

• import torch
  from torch import nn
  from d2l import torch as d2l
  
  batch_size = 256
  train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)
  

初始化模型参数

• softmax回归的输出层是一个全连接层。 只需在Sequential中添加一个带有10个输出的全连接层。

• 同样，在这里Sequential并不是必要的， 但它是实现深度模型的基础。

• 以均值0和标准差0.01随机初始化权重

• # PyTorch不会隐式地调整输入的形状。因此，
  # 我们在线性层前定义了展平层（flatten），来调整网络输入的形状 
  # nn.flatten将任何维度的tensor变成2d的tensor（0维保留，剩下的维度展成向量）
  net = nn.Sequential(nn.Flatten(), nn.Linear(784, 10))
  
  def init_weights(m):
      if type(m) == nn.Linear:
          nn.init.normal_(m.weight, std=0.01) # 均值为0 方差为0.01
  
  net.apply(init_weights);
  

**审视softmax ：关于上下溢出的问题

• softmax函数${\hat{y}}_j=softmax(o{)}_j=\frac{exp(o_j)}{{\sum }_{k}exp(o_k)}$， 其中${\hat{y}}_j$是预测的概率分布。 $o_j$是未规范化的预测 o 的第 j 个元素。

• 如果 $o_k$ 中的一些数值非常大， 那么$exp(o_k)$可能大于数据类型容许的最大数字，即上溢（overflow）。 这将使分母或分子变为inf（无穷大）， 最后得到的是0、inf或nan（不是数字）的${\hat{y}}_j$。 在这些情况下，我们无法得到一个明确定义的交叉熵值。

  • 解决这个问题的一个技巧是： 在继续softmax计算之前，先从所有 $o_k$ 中减去$max(o_k)$。 你可以看到每个$o_k$按常数进行的移动不会改变softmax的返回值：
  • ${\hat{y}}_j=\frac{exp(o_j-max(o_k))exp(max(o_k))}{{\sum }_{k}exp(o_k-max(o_k))exp(max(o_k))}=\frac{exp(o_j-max(o_k))}{{\sum }_{k}exp(o_k-max(o_k))}$

• 在减法和规范化步骤之后，可能有些$o_j-max(o_k)$具有较大的负值。 由于精度受限，$o_j-max(o_k)$将有接近零的值，即下溢（underflow）。

• 这些值可能会四舍五入为零，使${\hat{y}}_j$为零， 并且使得$log({\hat{y}}_j)$的值为-inf。

• 反向传播几步后，我们可能会发现出现很多的nan结果。

• 尽管我们要计算指数函数，但我们最终在计算交叉熵损失时会取它们的对数。 通过将softmax和交叉熵结合在一起，可以避免反向传播过程中可能会困扰我们的数值稳定性问题。

• 如下面的等式所示，我们避免计算$exp(o_j-max(o_k))$， 而可以直接使用$o_j-max(o_k)$，因为log⁡(exp⁡(⋅))被抵消了。

  • $log({\hat{y}}_j)=log(\frac{exp(o_j-max(o_k))}{{\sum }_{k}exp(o_k-max(o_k))})$

    $=log(exp(o_j-max(o_k)))-log({\sum }_{k}exp(o_k-max(o_k)))$

    $=o_j-max(o_k)-log({\sum }_{k}exp(o_k-max(o_k)))$

定义交叉熵损失函数

• 在交叉熵损失函数中传递未规范化的预测，并同时计算softmax及其对数

  loss = nn.CrossEntropyLoss(reduction='none')
  

优化算法

• 学习率为0.1的小批量随机梯度下降

• trainer = torch.optim.SGD(net.parameters(), lr=0.1)
  

训练

# 调用之前定义的训练函数来训练模型。
num_epochs = 10
d2l.train_ch3(net, train_iter, test_iter, loss, num_epochs, trainer)