PyTorch深度学习入门 || 系列（六）——多元分类

0 写在前面

• 二分类问题是多分类问题的一种特殊情况，区别在于多分类用softmax代替sigmoid函数。
• softmax函数将所有分类的分数值转化为概率，且各概率的和为1。

1 softmax函数

• softmax函数首先对所有的输出值通过指数函数，将实数输出映射到正无穷
• 然后将所有的结果相加作为分母
  

2 数据预处理

• 首先
• 下面这段代码可以直接运行！

首先cluster数据，形状为500×2，各元素值为1。然后用normal()函数，以4为均值，2 为标准差生产data0
其他同理

import torch
import matplotlib.pyplot as plt

cluster = torch.ones(500, 2)
data0 = torch.normal(4*cluster, 2)
data1 = torch.normal(-4*cluster, 1)
data2 = torch.normal(-8*cluster, 1)
label0 = torch.zeros(500)
label1 = torch.ones(500)
label2 = 2*label1

x = torch.cat((data0, data1, data2), ).type(torch.FloatTensor)
y = torch.cat((label0, label1, label2), ).type(torch.LongTensor)

plt.scatter(x.numpy()[:, 0], x.numpy()[:, 1], c=y.numpy(), s=10, lw=0, cmap='Accent')
plt.sh