PyTorch 分类器输出什么？答案

【问题标题】：What does PyTorch classifier output?PyTorch 分类器输出什么？
【发布时间】：2021-01-16 01:56:40
【问题描述】：

所以我是深度学习的新手，开始学习 PyTorch。我创建了一个具有以下结构的分类器模型。

class model(nn.Module):
def __init__(self):
    super(model, self).__init__()
    resnet = models.resnet34(pretrained=True)
    layers = list(resnet.children())[:8]
    self.features1 = nn.Sequential(*layers[:6])
    self.features2 = nn.Sequential(*layers[6:])
    self.classifier = nn.Sequential(nn.BatchNorm1d(512), nn.Linear(512, 3))
    
def forward(self, x):
    x = self.features1(x)
    x = self.features2(x)
    x = F.relu(x)
    x = nn.AdaptiveAvgPool2d((1,1))(x)
    x = x.view(x.shape[0], -1)
    return self.classifier(x)

所以基本上我想在 {0,1,2} 三个方面进行分类。在评估时，我传递了图像，它返回了一个具有如下三个值的张量

    (tensor([[-0.1526,  1.3511, -1.0384]], device='cuda:0', grad_fn=<AddmmBackward>)

所以我的问题是这三个数字是什么？它们是概率吗？

附：如果我问的太傻了，请原谅我。

【问题讨论】：

标签： python-3.x deep-learning pytorch classification tensor

【解决方案1】：

因此，在训练之后，您想要做的是将softmax 应用于输出张量以提取每个类的概率，然后选择最大值（最高概率）。

在你的情况下：

prob = torch.nn.functional.softmax(model(x), dim=1)
_, pred_class = torch.max(prob, dim=1)

【讨论】：

原始值？它们代表对数概率

【解决方案2】：

你的模型的self.classifier的最后一层nn.Linear（全连接层）产生值，我们可以称之为scores，例如，它可能是：[10.3, -3.5, -12.0]，您也可以在示例中看到相同的内容：[-0.1526, 1.3511, -1.0384] 未标准化，不能解释为概率。

正如您所看到的，它只是一种“原始未缩放”的网络输出，换句话说，这些值没有归一化，很难使用它们或解释结果，这就是为什么通常的做法是将它们转换为归一化概率的原因正如@skinny_func 已经描述的那样，在最后一层之后使用softmax 进行分发。之后你会得到0到1范围内的概率，更直观的表示。

【讨论】：