模型

softmax回归是多类分类模型，用于获取每个分类的置信度，置信度计算方式如下

经过全连接层，得到输出O，将O作为softmax的输入

O是输出向量，每个分量表示一个类别，y_hat_i表示i类别的置信度，softmax回归使得所有类别置信度都为非负数，且相加等于1

损失函数

使用交叉熵来衡量两个概率之间的区别，交叉熵计算方式如下

y_i是真实标签第i个分类的置信度，真实标签y只有一个分量是1，其他是0

损失函数torch实现

• torch.CrossEntroyLoss

  //这里的CrossEntroyLoss函数返回batch个样本的总loss值，因此要取个平均值
  from torch import nn
  loss = torch.CrossEntroyLoss(reduction='None')
  loss.mean().backward()