4-pytorch前馈网络简单（分类）问题搭建、torch.max()函数、F.softmax()函数

---

前言

本博客会搭建输入层（2节点），隐藏层（10节点），输出层（2节点）
分类问题在我看来可比回归问题复杂多了，在搭建网络前，需要先介绍几个在分类问题里面的常用函数，了解了这几个函数的用法看网络搭建代码才会轻松点。
网络示意图：
待更新---画张自己的图可太难了啊！开个玩笑，画好会尽快发布上来的，忘了记得提醒我，嘿嘿嘿

一、分类的前置知识

1 F.softmax()函数

F.softmax() 函数是PyTorch中的一个函数，用于执行 softmax 操作。
softmax 是一种常用的归一化函数，它能够将一组任意实数转换成一个概率分布。

• softmax 函数的定义如下：给定一个含有 n 个实数的向量 $\mathbf{z}=(z_1,z_2,...,z_n)$，softmax 函数的定义如下：
  softmax ( z i ) = e z i ∑ j = 1 n e z j \text{softmax}(\mathbf{z_i}) = \frac{e^{z_i}}{\sum_{j=1}^{n} e^{z_j}} softmax(zi​)=∑j=1n​ezj​ez