torch.sigmoid() 与 torch.nn.Sigmoid() 对比 python

于 2019-03-26 00:04:28 发布 95196 收藏 37
分类专栏： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39938666/article/details/88809726
版权

1.   torch.sigmoid() 

2.  torch.nn.Sigmoid() 

 

只看文档，我没太看出二者的具体区别，通过以下可知得到结果自然相同，不过使用方式确实不同，我目前也没明白为啥：

 

 

乒乒乓乓丫
关注
  • 11
    点赞
  • 踩
  • 37
    收藏
  • 打赏
    打赏
  • 12
    评论
专栏目录
torch中三种sigmoid使用方法
weixin_44020179的博客
06-07 1万+
关于下面三种sigmoid的使用方法 torch.sigmoid() torch.nn.functional.sigmoid() torch.Sigmoid 相同点 都是将值映射到0-1之间，没用区别 不同点 所属类型不同 方法：torch.sigmoid() 和torch.nn.funtional.sigmoid() 类：torch.Sigmoid 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。 a = torch.tens
torch.sigmoid()、torch.nn.Sigmoid()和torch.nn.functional.sigmoid()三者之间的区别
weixin_42621901的博客
07-29 1万+
在利用自定义损失函数进行损失计算的时候，需要使用到sigmoid函数。当在训练模型的时候，使用torch.nn.Sigmoid()对输出进行处理，但是提示__init__错误。我发现光sigmoid()就有三种调用的方式：torch.sigmoid(),torch.nn.Sigmoid()和torch.nn.functional.sigmoid()。 torch.sigmoid(): 这是一个方法，包含了参数和返回值。 torch.nn.Sigmoid(): 可以看到，这个是一个类。在定义模型的初始化方法
torch.sigmoid()、torch.softmax()、sum
最新发布
FishBean的博客
10-20 702
torch.sigmoid()、torch.softmax()、sum
二分类、多分类、多标签、softmax、sigmoid、pytorch实现
jzlin1997的博客
11-24 3708
二分类、多分类、多标签、softmax、sigmoid、pytorch实现 参考：多标签分类与BCEloss - 简书 (jianshu.com) 25、二分类、多分类与多标签问题的区别 - Andy_George - 博客园 (cnblogs.com) Sigmoid函数_百度百科 (baidu.com) (7条消息) Sigmoid函数_saltriver的专栏-CSDN博客_sigmoid BCELoss — PyTorch 1.7.0 documentation CrossEntropy
激活函数Activation：torch.sigmoid() 和 torch.nn.Sigmoid()
qq_28117589的博客
11-26 938
torch.sigmoid() torch.nn.Sigmoid() CODE torch.sigmoid() import torch a = torch.randn(4) print(a) print(torch.sigmoid(a)) tensor([ 1.2622, -0.3935, -0.0859, 1.0130]) tensor([0.7794, 0.4029, 0.4785, 0.7336]) torch.nn.Sigmoid() import torch a = torch
15_torch.sigmoid,torch.nn.Sigmoid之间的区别
涂作权的博客
02-03 1344
torch.sigmoid(input, *, out=None) → Tensor CLASS torch.nn.Sigmoid 案例： import torch m = torch.nn.Sigmoid() input = torch.randn(2) output = m(input) print(output)
【pytorch函数笔记（二）】torch.nn.Sigmoid()
qq_43115981的博客
03-31 2万+
import torch.nn as nn torch.nn.sigmoid() 一、sigmoid介绍   sigmoid是激活函数的一种，它会将样本值映射到0到1之间。   sigmoid的公式如下： 11+e−x \frac{1}{1+e^{-x}} 1+e−x1​ 二、sigmoid的应用 代码： import torch.nn as nn import torch #取一组满足标准正态分布的随机数构成3*3的张量 t1 = torch.randn(3,3) m = nn.Sigmoid()
torch.sigmoid、torch.nn.Sigmoid和torch.nn.functional.sigmoid的区别
YYyyy
05-21 1万+
  review代码的时候发现我使用的是torch.sigmoid，pycharm标黄cannot find reference 'sigmoid' in '__init__.py'于是产生了这样的疑问，这三者的区别是啥。 0x00. 官网解释 torch.sigmoid   我们可以看到，这是一个方法，拥有Parametrs和Returns。 torch.nn.Sigmoid   可以...
PyTorch | torch.sigmoid、torch.nn.Sigmoid
W1995S的博客
04-04 1640
torch.sigmoid 我们可以看到，这是一个方法，拥有Parametrs和Returns。 torch.nn.Sigmoid 可以看到官网文档在左上角标注着显眼的CLASS，同时根据Examples我们可以得出结论，torch.nn.Sigmoid在我们的神经网络中使用时，我们应该将其看作是网络的一层，而不是简单的函数使用。 torch.nn.functional.sigmoid 事实上，torch.nn.functional从这个包名就能看出来，这个包里的都是函数。同样的，按照官网的文档的内容，
nn.Sigmoid torch
你若安好是晴天的博客
05-31 3399
from torch import nn import torch test = torch.tensor([1, 5., 4, 8, 9]) s = nn.Sigmoid() print(s(test)) test = torch.tensor([[1, 5., 4, 8, 9],[1, 6., 4, 2, 7]]) s = nn.Sigmoid() print(s(test)) 结果： tensor([0.7311, 0.9933, 0.9820, 0.9997, 0.999.
pytorch torch.sigmoid、torch.nn.Sigmoid和torch.nn.functional.sigmoid的区别
puspos的博客
07-17 1893
torch.sigmoid：函数 torch.sigmoid(input_tensor,out=None)->Tensor torch.nn.Sigmoid：class 应该看作网络的一层，而不是简单的函数使用。 模型的初始化方法中使用，需要在_init__中定义，然后在使用 class Model(torch.nn.Module): def __init__(self): super(Model, self).__init__() self.linear1
sigmoid函数_温故知新——激活函数及其各自的优缺点
weixin_39945445的博客
11-22 3079
1.什么是激活函数？所谓激活函数（Activation Function），就是在人工神经网络的神经元上运行的函数，负责将神经元的输入映射到输出端。激活函数对于人工神经网络模型去学习、理解非常复杂和非线性的函数来说具有十分重要的作用。它们将非线性特性引入到我们的网络中。如图，在神经元中，输入（inputs ）通过加权，求和后，还被作用在一个函数上，这个函数就是激活函数。2.为什么要用激活函数？如果...
torch sigmoid练习
jacke121的专栏
06-25 7960
import torch tensor = torch.randn(5,1)#1就是5*1的二维数据，(5,)就是1维向量 print(tensor) # a=5.0 # a=Variable(a.type(torch.FloatTensor)) x = torch.sigmoid(tensor) # Center x print(x)
传统CMR磁盘与SMR瓦叠磁盘区别
lolloli的博客
12-01 1817
我们放大磁片表面，将它拉直，就会发现：写磁头写入的数据（绿色区域）很宽，而读磁头仅仅需要窄窄一条就能读取（橘色区域），现阶段技术无法将写磁头做小。这也就相当于磁片上一部分区域被浪费了，而且磁道与磁道中间也会有间隔 这就是传统的磁盘，也叫作CMR磁盘 从图中就可以轻易看出，传统CMR磁盘会浪费部分磁盘区域，导致数据密度不会变得很大 为此，一种新技术诞生了：SMR（瓦叠磁盘）------ 将一条条的磁道像瓦片一样堆叠起来 前文可知：读磁头只有很窄的一条，而写磁头却很宽。 可以将磁道像瓦片一样堆叠起来。写入一
nn.sigmoid()
邹小驴
06-01 2451
无
torch模拟sigmoid
jacke121的专栏
07-05 2136
收敛效果不好： import torch t=torch.Tensor([1,1,1,1,1,1,1,1,1,1]) x=torch.Tensor([-10,-5,-22,-0.5,1,2,3,7,8,90]) y= x.sigmoid() print(y) loss_fn = torch.nn.BCELoss() loss=loss_fn(t,y) print(loss) ...
pytorch中sigmoid()函数
weixin_38410551的博客
09-27 1万+
函数sigmoid()的用法：神经网络中的激活函数。 参考链接：https://blog.csdn.net/qq_39938666/article/details/88809726
pytorch中的 relu、sigmoid、tanh、softplus 函数
热门推荐
weixin_42528089的博客
12-06 5万+
 四种基本激励函数是需要掌握的： 1.relu  线性整流函数（Rectified Linear Unit, ReLU）,又称修正线性单元, 是一种人工神经网络中常用的激活函数（activation function），通常指代以斜坡函数及其变种为代表的非线性函数。通常意义下，线性整流函数代指代数学中的斜坡函数，即 而在神经网络中，线性整流函数作为神经元的激活函数，定义了该神经元在线性变换 ...
pytorch入门
luchi007的专栏
06-08 2万+
pytorch的入手博文，介绍了pytorch的一些语法规范，和搭建一些常用的神经网络内容，以及和tensorflow的一些比较

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
©️2022 CSDN 皮肤主题：书香水墨 设计师：CSDN官方博客 返回首页
评论 12

打赏作者

乒乒乓乓丫

你的鼓励将是我创作的最大动力

¥2 ¥4 ¥6 ¥10 ¥20
输入1-500的整数
余额支付 (余额：-- )
扫码支付
扫码支付：¥2
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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、C币套餐、付费专栏及课程。

余额充值