2 softmax回归实现

最新推荐文章于 2024-07-18 12:30:11 发布

Ms. Hsu

最新推荐文章于 2024-07-18 12:30:11 发布

阅读量575

点赞数

分类专栏：机器学习修炼记文章标签：分类机器学习

本文链接：https://blog.csdn.net/qq_43345492/article/details/124160451

版权

本文介绍了如何使用PyTorch实现softmax回归进行多分类任务，特别是在FashionMNIST数据集上的应用。重点讨论了在使用Cross Entropy Loss时，为何不能在前面加softmax的原因，因为PyTorch的Cross Entropy Loss已经包含了LogSoftmax和NLLLoss的功能。

摘要由CSDN通过智能技术生成

名字叫做回归实际是个多分类算法

在一个全连接层之后连接softmax得到属于每个类的概率，softmax就是自己除以所有的和，使得所有项加起来等于1

使用是FashionMNIST数据集

import torch
from torch import nn
import torchvision
from torch.utils import data
from torchvision import transforms
from numpy import mean


''' 1.下载数据集 '''
# 通过ToTensor实例将图像数据从PIL类型变换成32位浮点数格式，
# 并除以255使得所有像素的数值均在0到1之间
trans = transforms.ToTensor()
mnist_train = torchvision.datasets.FashionMNIST(
    root="../data", train=True, transform=trans, download=False)
mnist_test = torchvision.datasets.FashionMNIST(
    root="../data", train=False, transform=trans, download=False)
# for i in mnist_train和mnist_test中  i是一个图片和标签的元组

batch_size = 256
# num_workers 用几个线程来读数据
train_iter = data.DataLoader(mnist_train, batch_size=batch_size, shuffle=True)
test_iter = data.DataLoader(mnist_test, batch_size=batch_size, shuffl