python - 了解 PyTorch 预测

Question

对于我训练过的模型，此代码:

model(x[0].reshape(1,784).cuda())

返回:

tensor([[-1.9903, -4.0458, -4.1143, -4.0074, -3.5510,  7.1074]], device='cuda:0')

我的网络模型定义为:

# Hyper-parameters 
input_size = 784
hidden_size = 50
num_classes = 6
num_epochs = 5000
batch_size = 1
learning_rate = 0.0001

    criterion = nn.CrossEntropyLoss()
    optimizer = torch.optim.Adam(model.parameters(), lr=learning_rate)  

        class NeuralNet(nn.Module):
            def __init__(self, input_size, hidden_size, num_classes):
                super(NeuralNet, self).__init__()
                self.fc1 = nn.Linear(input_size, hidden_size) 
                self.relu = nn.ReLU()
                self.fc2 = nn.Linear(hidden_size, num_classes)  

            def forward(self, x):
                out = self.fc1(x)
                out = self.relu(out)
                out = self.fc2(out)
                return out

我试图理解返回值:

tensor([[-1.9903, -4.0458, -4.1143, -4.0074, -3.5510,  7.1074]], device='cuda:0')

值 7.1074 是张量数组中最有可能的最大值？由于 7.1074 位于位置 5，因此输入 x[0] 预测的相关输出值为 5 是否有意义？如果是这样，这背后的直觉是什么？

Answer 1

免责声明:我不太了解 pytorch，但我是根据我所知道的其他库和一般标准实践进行猜测的。

我相信这是最后一层的输出，即 fc2 线性变换。因此，预测类别将是类别 5，具有最高值。

您可以将其视为一种“原始”概率分布式范围，然后通常通过 softmax 将其压缩到范围 (0,1] 中。