qq_40165706的博客

下面流程图和代码不一致 relu层和pooling层位置不一样。3*w*h 变为1* w’ * h“卷积运算 一个卷集核 最后只有 一个输出通道。卷积完成后 c w h 都可能变化。卷积核组合m x n x w x h。多个卷积核，分别输出，再cat拼接。m个卷积核 m个输出通道。

此方法无法解决输出结果之间的抑制关系， 也就是说有可能两个输出概率相同。用此方法 最后一层不需要激活函数。代码 注意最后一层不激活。所以改用Softmax层。

用来帮助我们加载数据，比如说做shuffle(提高数据集的随机性)，batch_size,能拿出Mini-Batch进行训练。它帮我们自动完成这些工作。5、inputs, labels = data中的inputs的shape是[32,8],labels 的shape是[32,1]。分别是为了加载数据集，获取数据索引，获取数据总量。4、len函数的返回值 除以 batch_size 的结果就是每一轮epoch中需要迭代的次数。1、DataSet 是抽象类，不能实例化对象，主要是用于构造我们的数据集。

这里是输入 8 维输出2维 再x矩阵转化为1维度标量。行数代表数据数，列数代表特征数。

torchvison 下载数据集 （下载地址，下载测试集还是训练集，是否从网上下载）二者比较，右侧多个F.sigmoid。逻辑回归 ——做分类任务。

此处b为标量 但由于广播机制 他会自动补成3x1矩阵 能够整体相加运算。3构造损失函数和优化器。

back propagation 源代码。

梯度变化