PyTorch深度学习实践-P9多分类问题

在Mnist数据集中，我们要得到的输出是0-9，共有十类，这种情况下我们希望输出0-9的概率都大于0，且和为1

 是最后一层线性层的输出，

softmax函数：

 

损失函数：LOSS=-Y*logY_hat 

NLLLoss：nagative log likelihood loss 

输入一个 y是真实标签，另一个输入要求是softmax之后求对数

 

实现过程：

 

 在PyTorch中，交叉熵损失全部封装成了Torch.nn.CrossEntropyLoss（） 

要求y是长整形张量LongTensor([0])表示第几个标签分类，在构造时直接用CrossEntropyLoss，然后计算loss

 举例~

代码在pytroch中跑不通不知道为啥，参考了别人的代码

import torch

y = torch.LongTensor([2, 0, 1])  #