pytorch学习-线性神经网络——softmax回归+损失函数+图片分类数据集

1.softmax回归

Softmax回归(Softmax Regression)是一种常见的多分类模型,可以用于将输入变量映射到多个类别的概率分布中。softmax回归是机器学习中非常重要并且经典的模型,虽然叫回归,实际上是一个分类问题

1.1分类与回归

回归是估计一个连续值,分类是预测一个连续的类别

示例:

1.2从回归到多类分类

区别:分类问题从单输出变成了多输出,输出个数为类别个数

注:类别可能是一个数,也可能是一串字符串(例如A类,1类等)

一位有效编码:规定的在一个位置上,其值为0或者1,1表示有效,0表示无效,有效的那一位为1,其余位全为0。

1.2.1无校验比例

不关心置信度的值是多少,只关心正确类别的置信度的值要远远高于其他非正确类的置信度。

1.2.2校验比例

1.2.3softmax和交叉熵损失

注:一般来说使用真实概率与预测概率的区别来作为损失

不关心非正确类的预测值,只关心正确类的预测值有多大

1.2.4总结

softmax回归是一个多分类分类模型

使用softmax操作得到每个类的预测置信概率,非负且和为1

2.损失函数

损失函数------用来衡量预测值和真实值之间的区别。

2.1常用损失函数

2.1.1 L2 Loss(均方损失)

注:当y和y' 相距比较远(横轴到零点的距离越远),梯度越大,对参数的更新越多,更新的幅度越大,反之亦然。

2.1.2 L1 Loss(绝对值损失函数)

2.1.3 Huber's Robust Loss(Huber 鲁棒损失)

3.图片分类数据集

实际操作和代码见链接

3.5. 图像分类数据集 --- 动手学深度学习 2.0.0 documentation

相关推荐
peter67684 分钟前
kvm学习小结
学习
夜松云33 分钟前
从对数变换到深度框架:逻辑回归与交叉熵的数学原理及PyTorch实战
pytorch·算法·逻辑回归·梯度下降·交叉熵·对数变换·sigmoid函数
蹦蹦跳跳真可爱5891 小时前
Python----卷积神经网络(卷积为什么能识别图像)
人工智能·python·深度学习·神经网络·计算机视觉·cnn
zcyf08091 小时前
kafka理论学习汇总
java·分布式·学习·kafka
*TQK*2 小时前
线性代数——行列式⭐
笔记·学习·线性代数
四夕白告木贞2 小时前
stm32week13
stm32·单片机·嵌入式硬件·学习
九亿AI算法优化工作室&2 小时前
结合大语言模型的机械臂抓取操作学习
人工智能·学习·语言模型·自然语言处理
我要学脑机2 小时前
基于常微分方程的神经网络(Neural ODE)
人工智能·深度学习·神经网络
我想吃余3 小时前
Linux学习笔记(一):Linux下的基本指令
linux·笔记·学习
ayas123194 小时前
数模学习:二,MATLAB的基本语法使用
学习