PyTorch 深度学习实践 第九讲 ---多分类问题

Demo9 :多分类问题

来源：B站刘二大人
说明：

1. softmax的输入不需要做非线性变换。也就是说softmax之前不再需要激活函数(relu)。softmax两个作用：1.如果在进行softmax前的input有负数，通过指数变换，得到正数。2.所有类的概率求和为1。
2. y的标签编码方式是one-hot编码：只有一位是1，其他位为0。(算法的输入仍为原始标签，只是经过算法后变成one-hot编码)
3. 多分类问题，标签y的类型是LongTensor。比如说0-9分类问题，如果y = torch.LongTensor([3])，对应的one-hot是[0,0,0,1,0,0,0,0,0,0].(这里要注意：如果使用了one-hot，标签y的类型是LongTensor，课程中糖尿病数据集中的target的类型是FloatTensor)
4. CrossEntropyLoss === Softmax +Log+ NLLLoss。也就是说只需要对线性层最后一层先进行SoftMax处理，再进行log操作，然后使用NLLLoss就行了，具体看代码

过程如下：



代码说明：

1. torch.max的返回值有两个：第一个是每一行的最大值是，第二个是每一行最大值的下标(索引)。
   传送1. torch.max函数用法
   传送2. torch.max()使用讲解
2. 在test中涉及到with torch.no_grad() :
   torch.no_grad() 详解
   Python中with的用法
3. 代码中出现了"_" 。 Python中各种下划线的操作

# 8 多分类问题
import torch
from torchvision import transforms  # 
from torchvision import datasets  # 视觉领域基础数据集包，可下载经典数据集如minist等
from torch.utils.data import DataLoader  # 第八讲中详细说明
import torch.nn.functional as F
import torch.optim as optim

# prepare dataset

# 开始用tensor，需要导入transforms包
batch_size = 64

# 需要对数据进行归一化，均值和方差处理
# （0.1307,), (0.3081,) 解释：minist数据集是灰度图，灰度图的方差和标准差是这两个固定值
#  RGB图像的话就是这两组：([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
transform = transforms.Compose([transforms.ToTensor(),
                                transforms.Normalize(