《动手学深度学习》第三章——（4）softmax回归的简洁实现_学习思考与习题答案

---

# 作者github [源码地址](https://github.com/Zhangshuor/deeplearning/blob/main/chapter_linear-networks/linear-regression-concise.py) # softmax回归的简洁实现 :label:`sec_softmax_concise`

在 :numref:sec_linear_concise中，我们发现(通过深度学习框架的高级API能够使实现(softmax)线性(回归变得更加容易)。同样，通过深度学习框架的高级API也能更方便地实现softmax回归模型。本节如在 :numref:sec_softmax_scratch中一样，继续使用Fashion-MNIST数据集，并保持批量大小为256。

import torch
from torch import nn
from d2l import torch as d2l
batch_size = 256
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)#数据拿进来，拿进到一个数据迭代器

如我们在 :numref:sec_softmax所述，[softmax回归的输出层是一个全连接层]。因此，为了实现我们的模型，我们只需在Sequential中添加一个带有10个输出的全连接层。同样，在这里Sequential并不是必要的，但它是实现深度模型的基础。我们仍然以均值0和标准差0.01随机初始化权重。

# PyTorch不会隐式地调整输入的形状。因此，
# 我们在线性层前定义了展平层（flatten），来调整网络输入的形状
net = nn.Sequential(nn.Flatten(), nn.Linear(784, 10))

def init_weights(m):
    if type(m) == nn.Linear:
        nn.init.normal_(m.weight, std=0.01)

net.apply(init_weights);

重新审视Softmax的实现

🏷subsec_softmax-implementation-revisited

在前面 :numref:sec_softmax_scratch的例子中，我们计算了模型的输出，然后将此输出送入交叉熵损失。从数学上讲，这是一件完全合理的事情。然而，从计算角度来看，指数可能会造成数值稳定性问题。

回想一下，softmax函数${\hat{y}}_j=\frac{\exp (o_j)}{{\sum }_k\exp (o_k)}$，其中${\hat{y}}_j$是预测的概率分布。$o_j$是未规范化的预测$\mathbf{o}$的第$j$个元素。如果$o_k$中的一些数值非常大，那么$\exp (o_k)$可能大于数据类型容许的最大数字，即上溢（overflow）。这将使分母或分子变为inf（无穷大），最后得到的是0、inf或nan（不是数字）的${\hat{y}}_j$。在这些情况下，我们无法得到一个明确定义的交叉熵值。

解决这个问题的一个技巧是：
在继续softmax计算之前，先从所有$o_k$中减去$\max (o_k)$。你可以看到每个$o_k$按常数进行的移动不会改变softmax的返回值：

$$\begin{array}{rl}{\hat{y}}_j& =\frac{\exp (o_j-\max (o_k))\exp (\max (o_k))}{{\sum }_k\exp (o_k-\max (o_k))\exp (\max (o_k))}\\ & =\frac{\exp (o_j-\max (o_k))}{{\sum }_k\exp (o_k-\max (o_k))}.\end{array}$$

在减法和规范化步骤之后，可能有些$o_j-\max (o_k)$具有较大的负值。由于精度受限，$\exp (o_j-\max (o_k))$将有接近零的值，即下溢（underflow）。这些值可能会四舍五入为零，使${\hat{y}}_j$为零，并且使得$\log ({\hat{y}}_j)$的值为-inf。反向传播几步后，我们可能会发现自己面对一屏幕可怕的nan结果。

尽管我们要计算指数函数，但我们最终在计算交叉熵损失时会取它们的对数。通过将softmax和交叉熵结合在一起，可以避免反向传播过程中可能会困扰我们的数值稳定性问题。如下面的等式所示，我们避免计算$\exp (o_j-\max (o_k))$，而可以直接使用$o_j-\max (o_k)$，因为$\log (\exp (\cdot ))$被抵消了。

$$\begin{array}{rl}\log ({\hat{y}}_j)& =\log \left(\frac{\exp (o_j-\max (o_k))}{{\sum }_k\exp (o_k-\max (o_k))}\right)\\ & =\log (\exp (o_j-\max (o_k)))-\log \left(\sum _k\exp (o_k-\max (o_k))\right)\\ & =o_j-\max (o_k)-\log \left(\sum _k\exp (o_k-\max (o_k))\right).\end{array}$$

我们也希望保留传统的softmax函数，以备我们需要评估通过模型输出的概率。但是，我们没有将softmax概率传递到损失函数中，而是[在交叉熵损失函数中传递未规范化的预测，并同时计算softmax及其对数]，这是一种类似"LogSumExp技巧"的聪明方式。

loss = nn.CrossEntropyLoss(reduction='none')

优化算法

在这里，我们(使用学习率为0.1的小批量随机梯度下降作为优化算法)。这与我们在线性回归例子中的相同，这说明了优化器的普适性。

trainer = torch.optim.SGD(net.parameters(), lr=0.1)

训练

接下来我们[调用] :numref:sec_softmax_scratch中(之前)(定义的训练函数来训练模型)。

num_epochs = 10
d2l.train_ch3(net, train_iter, test_iter, loss, num_epochs, trainer)

和以前一样，这个算法使结果收敛到一个相当高的精度，而且这次的代码比之前更精简了。

练习

1. 尝试调整超参数，例如批量大小、迭代周期数和学习率，并查看结果。

此题略

2. 增加迭代周期的数量。为什么测试精度会在一段时间后降低？我们怎么解决这个问题？

答：这种现象被称为过度拟合。我们可以向训练集添加更多样本，并将L2规范化引入我们的模型。