带你一文透彻学习【PyTorch深度学习实践】分篇——多分类问题之交叉熵损失函数CrossEntropyLoss：Softmax分类器，One-hot；针对MNIST数据集 | 附：实例源代码

分享给大家，北大教授的一段话：

你发现没，

喜欢独来独往的人，

其实大部分都是品行非常好的人。

这些人从来不扎堆，

也不搬弄是非。

只喜欢一个人，

把自己应该干的事干好，

享受自己干干净净的精神世界，

和干干净净的生活圈子。

有点时间就宅在家里，

给自己做顿饭，

放首喜欢的音乐，

看一场久违的电影。

读读书，养养花，写写字，

然后静心睡一个觉，

冷眼旁观这个世界。

这种人值得深交！

 

🎯作者主页：追光者♂🔥

        

🌸个人简介：计算机专业硕士研究生💖、2022年CSDN博客之星人工智能领域TOP4🌟、阿里云社区特邀专家博主🏅、CSDN-人工智能领域新星创作者🏆、预期2023年10月份 · 准CSDN博客专家📝  
【无限进步，一起追光！】

        

🍎欢迎大家 点赞👍  收藏⭐   留言📝

        
附，阅读本篇前，建议阅读：

• 带你一文透彻学习【PyTorch深度学习实践】分篇——线性模型 & 梯度下降
• 带你一文透彻学习【PyTorch深度学习实践】分篇——反向传播（前馈计算，反向传播），彻底懂得为何要添加激活函数
• 带你一文透彻学习【PyTorch深度学习实践】分篇——线性回归（训练周期：前馈、反馈、权重更新）
• 带你一文透彻学习【PyTorch深度学习实践】分篇——逻辑回归、处理多维特征的输入
• 带你一文透彻学习【PyTorch深度学习实践】分篇——加载数据集（Dataset类、DataLoader类核心参数讲解）附：实例源代码

此外，这是原合集文章（内容较长，建议电脑端浏览阅读）：

• 全15万字丨PyTorch 深度学习实践、基础知识体系全集；忘记时，请时常回顾。

🌿本篇分享的知识是在深度学习中针对多分类问题，该如何处理会比较好。以大家容易理解的例子引出交叉熵损失函数，并说明了Softmax的公式及其作用。此外，由浅入深，通过举简单的例子来演示损失函数。针对MNIST数据集，本文也初步说明了如何对图像进行处理。