回归问题 vs 分类问题（regression vs classification）
回归问题（regression）
1、回归问题的目标是使预测值等于真实值，即pred=y。
2、求解回归问题的方法是使预测值和真实值的误差最小，即minimize dist(pred,y)，一般我们通过求其2-范数，再平方得到它的最小值，也可以直接使用1-范数。
分类问题（classification）
1、分类问题的目标是找到最大的概率，即maximize benchmark(accurcy)。
2、求解分类问题，第一种方法是找到真实值与预测值之间的最小距离，即minimize dist( p(y | x), pr(y | x) )。第二种方法是找到真实值与预测值的最小差异，即minimize divergence( p
(y | x), pr(y | x) )
但是，为什么不直接就概率呢？
1、如果概率不发生改变，权重发生改变，就会导致梯度等于0，出现梯度离散的现象。
2、由于正确的数量是不连续的，因此造成梯度也是不连续的，会导致梯度爆炸、训练不稳定等问题。
二分类问题（Binary Classification）
给定一个函数 f ：x ---> p(y = 1 | x)，如果二分类的角度去研究这个问题。预测的方法是：如果p(y = 1 | x) > 0.5 ，则预测值为1，否则预测值为0。
以交叉熵的角度分析二分类问题：
首先将二分类问题实例化，是对于猫和狗的分类问题，根据概率之和等于1，我们可以得到狗的概率等于1减去猫的概率，即P(dog) = (1 - P(cat))，接着将其带入到交叉熵公式中，得到以下公式：
将具体问题扩展到 一般问题，得到如下公式：
分析以上公式，当y = 1 时，H (P, Q) = log(p)；当y = 0 时，H (P, Q) = log(1 - p)；这两种情况随着p的变化，单调性是相反的，进一步证明了交叉熵解决二分类问题的可行性。
多分类问题（Multi-class classification）
给定一个函数 f ：x ---> p(y | x) ，其中 [𝑝 𝑦 = 0 𝑥 , 𝑝 𝑦 = 1 𝑥 , … , 𝑝 𝑦 = 9 𝑥 。必须满足：所有的𝑝 (𝑦 |𝑥) ∈ [0, 1]；所有的概率和 𝑝 (𝑦 = 𝑖 |𝑥 )= 1。
如何让所有的概率和为1呢？
使用softmax函数，详情请看深度学习pytorch——激活函数&损失函数（持续更新）-CSDN博客
交叉熵（cross entropy）
1、交叉熵的特点：
（1）具有很高的不确定性
（2）度量很惊喜
2、交叉熵的公式：
3、交叉熵的值越高就代表不稳定性越大
（1）以代码的方式解释
可以清楚的观察到数据的分布越平衡，最后得到的熵值就越高，反之，熵值就越低。
import torch
a = torch.full([4],1/4)
print('1.a:',a)
print("entropy:",-(a*torch.log2(a)).sum())
a = torch.tensor([0.1,0.1,0.1,0.7])
print('2.a:',a)
print("entropy:",-(a*torch.log2(a)).sum())
a = torch.tensor([0.001,0.001,0.001,0.999])
print('3.a:',a)
print("entropy:",-(a*torch.log2(a)).sum())（2）以理论的角度解释
给出Cross Entropy 的公式：
当Cross Entropy 和Entropy 这两个分布相等时，即H（p，q）=H（p），此时两个分布重合，此时Dkl就等于0。
当使用one-hot加密，我们可以得到Entropy = 1log1 = 0，即H（p）= 0，则此时满足H(p, q) = Dkl(p|q)的情况，此时如果对H（p，q）进行优化，相当于将Dkl(p|q)直接优化了，这是我们直接可以不断减小Dkl(p|q)的值，使预测值逐渐接近真实值，这就很好的解释了我们为什么要使用Cross Entropy。
为什么不使用MSE？
1、sigmoid + MSE 的模式会导致梯度离散的现象
2、收敛速度比较慢
通过下图可以很合理的证明以上两个原因的合理性：
3、但是有时我们再做一些前沿的技术时，会发现MSE效果要好于cross entropy，因为它的求解梯度较为简单。
MSE VS Cross Entropy
Cross Entropy = sofymax + log + nll_loss，最后的结果都是一样的。
import torch
from torch.nn import functional as F
# MSE vs Cross Entropy
x = torch.randn(1,784)
w = torch.randn(10,784)
logists = x@w.t()
# 使用Cross Entropy
print(F.cross_entropy(logists,torch.tensor([3])))
# tensor(0.0194)
# 自己处理
pred = F.softmax(logists, dim = 1)
pred_log = torch.log(pred)
print(F.nll_loss(pred_log,torch.tensor([3])))
# tensor(0.0194)多分类问题实战
############# Logistic Regression 多分类实战（MNIST）###########
# (1)加载数据
# (2)定义网络
# (3)凯明初始化
# (4)training:实例化一个网络对象,构建优化器,迭代,定义loss，输出
# (5)testing
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms
batch_size=200 #Batch Size：一次训练所选取的样本数
learning_rate=0.01
epochs=10 #1个epoch表示过了1遍训练集中的所有样本，这里可以设置为 5
# 加载数据
train_loader = torch.utils.data.DataLoader(
datasets.MNIST('../data', train=True, download=True,
transform=transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.1307,), (0.3081,))
])),
batch_size=batch_size, shuffle=True)
test_loader = torch.utils.data.DataLoader(
datasets.MNIST('../data', train=False, transform=transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.1307,), (0.3081,))
])),
batch_size=batch_size, shuffle=True)
# 在pytorch中的定义（a，b）a是ch-out输出，b是ch-in输入，也就是（输出，输入）
# 比如第一个可以理解为从784降维成200的层
w1, b1 = torch.randn(200, 784, requires_grad=True),\
torch.zeros(200, requires_grad=True)
w2, b2 = torch.randn(200, 200, requires_grad=True),\
torch.zeros(200, requires_grad=True)
w3, b3 = torch.randn(10, 200, requires_grad=True),\
torch.zeros(10, requires_grad=True)
# 凯明初始化，如果不进行初始化会出现梯度离散的现象
# torch.nn.init.kaiming_normal_(tensor, a=0, mode='fan_in', nonlinearity='leaky_relu')
torch.nn.init.kaiming_normal_(w1)
torch.nn.init.kaiming_normal_(w2)
torch.nn.init.kaiming_normal_(w3)
# 前向传播过程
def forward(x):
x = x@w1.t() + b1
x = F.relu(x)
x = x@w2.t() + b2
x = F.relu(x)
x = x@w3.t() + b3
x = F.relu(x) #这里千万不要用softmax，因为之后的crossEntropyLoss中自带了。这里可以用relu，也可以不用。
return x #返回的是一个logits（即没有经过sigmoid或者softmax的层）
# 优化器
optimizer = optim.SGD([w1, b1, w2, b2, w3, b3], lr=learning_rate)
criteon = nn.CrossEntropyLoss()
for epoch in range(epochs):
for batch_idx, (data, target) in enumerate(train_loader):
data = data.view(-1, 28*28) # 将二维的图片数据打平 [200,784],第5课用的 x = x.view(x.size(0), 28*28)
logits = forward(data) #这里是网络的输出
loss = criteon(logits, target) # 调用cross—entorpy计算输出值和真实值之间的loss
optimizer.zero_grad()
loss.backward()
# print(w1.grad.norm(), w2.grad.norm())
optimizer.step()
# 每 batch_idx * 100=20000输出结果 每100个bachsize打印输出的结果，看看loss的情况
if batch_idx % 100 == 0:
print('Train Epoch: {} [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format(
epoch, batch_idx * len(data), len(train_loader.dataset),
100. * batch_idx / len(train_loader), loss.item()))
# len(data)---指的是一个batch_size;
# len(train_loader.dataset)----指的是train_loader这个数据集中总共有多少张图片（数据）
# len(train_loader)---- len(train_loader.dataset)/len(data)---就是这个train_loader要加载多少次batch
# 测试网络---test----每训练完一个epoch检测一下测试结果
# 因为每一个epoch已经优化了batch次参数，得到的参数信息还是OK的
test_loss = 0
correct = 0
for data, target in test_loader:
data = data.view(-1, 28 * 28)
logits = forward(data) #logits的shape=[200,10]，--200是batchsize，10是最后输出结果的10分类
test_loss += criteon(logits, target).item() #每次将test_loss进行累加 #target=[200,1]---每个类只有一个正确结果
pred = logits.data.max(1)[1]
# 这里losgits.data是一个二维数组；其dim=1;max()---返回的是每行的最大值和最大值对应的索引
# max(1)----是指每行取最大值;max(1)[1]---取每行最大值对应的索引号
# 也可以写成 pred=logits.argmax(dim=1)
correct += pred.eq(target.data).sum()
#预测值和目标值相等个数进行求和--在for中，将这个test_loader中相等的个数都求出来
test_loss /= len(test_loader.dataset)
print('\nTest set: Average loss: {:.4f}, Accuracy: {}/{} ({:.0f}%)\n'.format(
test_loss, correct, len(test_loader.dataset),
100. * correct / len(test_loader.dataset)))
"""
影响training的因素有：
1、learning rate过大
2、gradient vanish---梯度弥散（参数梯度为0,导致loss保持为常数，loss长时间得不到更新）
3、初始化问题----参数初始化问题
"""课时50 多分类问题实战_哔哩哔哩_bilibili
