pytorch学习笔记（八）：全连接层处理图像分类问题

1、softmax函数的引出 处理多分类问题时，一般的激活函数会产生矛盾的效果，需要满足两个条件，所有的P均大于0，所有的P相加等于1。

而softmax函数可以满足这一点 函数公式：

真的是非常Amazing啊 下面这个实例展示它是如何计算的

2、损失函数的选取 对于二分类问题，之前我们选取了交叉熵作为损失函数，多分类问题有了些许变化，损失函数为

用程序语言来表达整个过程：

3、用pytorch来书写过程

注：CrossEntropyLoss()包含了Softmax，因此最后面的一层不用额外激活

4、实例过程 0、调包

1、准备数据集

ToTensor（）是将一幅图片的所有像素点变成一个向量 Normalize是概率论中化成标准正态分布的公式：（x-u)/sigma

0.1307为u，0.3081为sigma 由MNIST数据集确定

2、设计模型

view(-1,784) -1代表程序会自动计算这个数值

3、构建损失函数和优化器

4、训练和测试

with torch.no_grad()测试时，设置无梯度运行 dim=1 横向扫描像素点