如何用pytorch实现Softmax回归？答案

【问题标题】：How to implement Softmax regression with pytorch?如何用pytorch实现Softmax回归？
【发布时间】：2020-11-11 09:27:26
【问题描述】：

我正在从事一项 uni 任务，我需要使用 Pytorch 实现 Softmax Regression。作业说：

Implement Softmax Regression as an nn.Module and pipe its output with its output with torch.nn.Softmax.

由于我是 pytorch 的新手，我不知道该怎么做。到目前为止，我已经尝试过：

class SoftmaxRegression(nn.Module): # 继承自 nn.Module！

def __init__(self, num_labels, num_features):

    super(SoftmaxRegression, self).__init__()
    self.linear = torch.nn.Linear(num_labels, num_features)

def forward(self, x):
    # should return the probabilities for the classes, e.g.
    # tensor([[ 0.1757,  0.3948,  0.4295],
    #         [ 0.0777,  0.3502,  0.5721], 
    #         ...

    # not sure what to do here

有人知道我该怎么做吗？我不确定forward 方法中应该写什么。感谢您的帮助！

【问题讨论】：

标签： python pytorch regression softmax

【解决方案1】：

据我了解，作业希望您实现自己的 Softmax 函数版本。但是，我不明白and pipe its output with torch.nn.Softmax 是什么意思。他们是否要求您从自定义 nn.Module 返回自定义 Softmax 的输出以及 torch.nn.Softmax？你可以这样做：

class SoftmaxRegression(nn.Module):
    def __init__(self, dim=0):
        super(SoftmaxRegression, self).__init__()
        self.dim = dim
    def forward(self, x):
        means = torch.mean(x, self.dim, keepdim=True)[0]
        exp_x= torch.exp(x-means)
        sum_exp_x = torch.sum(exp_x, self.dim, keepdim=True)
        value = exp_x/sum_exp_x
        return value

【讨论】：