本文介绍: cross entropy 越小越好，优化起来速度更快，在pytorch中，把softmax和log打包到一起了。logistic是因为加了一个sigmoid函数，将输出预测值映射到【0，1】kl散度，两个分布重合的话，kl散度等于0，因为他们很整齐。有时候使用cross entropy==》 分类问题。softmax解决多分类问题，让大的概率值更大。有时候使用MSE损失函数，拟合。
为什么不直接统计标签数和预测结果数，计算精度？
因为
为什么叫logistic回归
logistic是因为加了一个sigmoid函数，将输出预测值映射到【0，1】
有时候使用MSE损失函数，拟合
有时候使用cross entropy==》 分类问题
交叉熵损失详解 cross entropy
熵：不确定性，惊喜的衡量度，稳定度
二分类的公式推导
cross entropy 越小越好，优化起来速度更快，在pytorch中，把softmax和log打包到一起了
pytorch中的inplace会改变输入x的值
feature缩放
有两种方式
# 对3通道进行归一化处理 imagenet数据集上的
transforms.Normalize(mean=[0.485,0.456,0.406],
std=[0.229,0.224,0.225])
# 批归一化 最后生成通道数 28*28
x = torch.rand(100,16,784)
layer = nn.BatchNorm1d(16)
out = layer(x)
#[16] 均值
print(layer.running_mean,layer.running_mean.size())
# 方差
print(layer.running_var)
- 批归一化
原文地址:https://blog.csdn.net/qq_37437892/article/details/134626201
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：http://www.7code.cn/show_31610.html
如若内容造成侵权/违法违规/事实不符，请联系代码007邮箱：suwngjj01@126.com进行投诉反馈，一经查实，立即删除！
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
