【pytorch函数笔记】torch中三种sigmoid使用方法

参考:https://blog.csdn.net/weixin_44020179/article/details/117671227

 见上篇:torch.nn.Sigmod

 关于下面三种sigmoid的使用方法

  • torch.sigmoid()
  • torch.nn.functional.sigmoid()
  • torch.nn.Sigmoid()

 

先来看看官方文档怎么说的 

 1.torch.nn.functional.sigmoid()

2.torch.nn.Sigmoid()

3. torch.sigmoid()

 可以看到都是公式

 也就是将值映射到0-1之间。

相同点
  • 都是将值映射到0-1之间,没用区别
不同点
  1. 所属类型不同
    方法:torch.sigmoid() 和torch.nn.funtional.sigmoid()
    :torch.Sigmoid
  2. 使用方法不同
    两个方法函数直接传输向量就行,而类需要先定义一个类,然后再通过调用类本身的__call__函数去使用。
import torch
import torch.nn.functional as F
from torch import nn

a = torch.tensor([1,2,3])

print(torch.sigmoid(a))
print(F.sigmoid(a))

b = nn.Sigmoid()
print(b(a))

 结果一样。

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
PyTorch,有三种使用sigmoid函数的方式。第一种是torch.sigmoid()函数,它是PyTorch的一个数学函数,可以直接对输入进行sigmoid运算。第二种是torch.nn.Sigmoid(),它是一个网络层,可以在神经网络的构建使用。第三种torch.nn.functional.sigmoid(),它是一个在网络层使用方法,在forward方法调用。 在给出的代码示例使用了numpy库来计算sigmoid函数。通过np.exp()和基本的数学运算可以得到sigmoid函数的值。这段代码使用matplotlib库将sigmoid函数进行了可视化和绘图展示。 除了sigmoid函数, #### 引用[.reference_title] - *1* *2* [PyTorch基础之激活函数模块Sigmoid、Tanh、ReLU、LeakyReLU函数讲解(附源码)](https://blog.csdn.net/jiebaoshayebuhui/article/details/130441213)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [pytorch识别验证码.zip](https://download.csdn.net/download/weixin_45123276/12144412)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
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
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