首页 新闻 会员 周边

多分类问题，Pytorch训练中，目标值是标签，网络的输出是向量，torch是如何处理的？

0
[已解决问题] 解决于 2022-07-14 12:40

在学习Pytorch 中，模仿了官方文档的一次对图像的十分类训练。

我用的是Pytorch自带的手写数字的数据集。

那么在官方文档中，损失是直接用预测值和目标值计算的。

可是神经网络的输出是长度为10的向量，意思是哪一个值最大，认为预测的是这个值。比如(1,2,3,4,100,3,22,4,2,1)，则预测的是数字5。

而目标值只是一个数字，比如3，4，5。这两个是如何进行损失值计算的呢？

一万亿颗星的主页 一万亿颗星 | 初学一级 | 园豆：158
提问于：2022-07-12 17:19

所以是在求预测概率和实际概率的距离，而不是实际数值的距离

 – ∮坦荡dS 1年前
< >
分享
最佳答案
1

在多分类任务中，经常采用 softmax 激活函数+交叉熵损失函数，因为交叉熵描述了两个概率分布的差异，然而神经网络输出的是向量，并不是概率分布的形式。所以需要 softmax激活函数将一个向量进行“归一化”成概率分布的形式，再采用交叉熵损失函数计算 loss。

奖励园豆：5
∮坦荡dS | 菜鸟二级 |园豆：218 | 2022-07-13 22:33

好像明白了，softmax函数将神经网络的输出值转换为概率，在交叉熵的公式中，
真实值one-hot编码，使得只有正确的项不为0，这样用来计算的就只是预测值的概率和one-hot中的1。

一万亿颗星 | 园豆：158 (初学一级) | 2022-07-14 11:17

@一万亿颗星: 嗯嗯，就是这样

∮坦荡dS | 园豆：218 (菜鸟二级) | 2022-07-14 11:19
清除回答草稿
   您需要登录以后才能回答，未注册用户请先注册。