Pytorch 9

softmax多分类问题

import torch
from torchvision import datasets
from torch.utils.data import DataLoader
import torch.nn.functional as F# 激活函数
import torch.optim as optim
# optim.SGD (随机梯度下降)：最基础的优化算法，通过沿着梯度的反方向更新参数。

# optim.Adam (自适应矩估计)：一种常用的自适应优化算法，结合了动量和 RMSprop 的优点。

# optim.RMSprop (均方根传播)：一种自适应优化算法，可以根据梯度的历史信息调整学习率。

# optim.Adagrad (自适应梯度算法)：另一种自适应优化算法，可以为每个参数分配不同的学习率。

softmax回归在pytorch里面已经封装了激活，所以最后一层不做激活

当你需要预测的时候可以使用with使pytorch不产生计算图

model = Net()# softmax回归
def test():
    correct = 0
    total = 0
    with torch.no_grad():
        for data in test_loader:
            images, labels = data
            outputs = model(images)
            _, predicted = torch.max(outputs.data, dim=1) # dim = 1 列是第0个维度，行是第1个维度
            total += labels.size(0)
            correct += (predicted == labels).sum().item() # 张量之间的比较运算