提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

softmax和cross-entorpy

---

一、

# softmax
import torch
from torch import nn
from d2l import torch as d2l

batch_size=64
train_iter,test_iter=d2l.load_data_fashion_mnist(batch_size) # 把数据读入迭代器
# PyTorch不会隐式地调整输入的形状。在线性层前定义了展平层（flatten），来调整网络输入的形状
# softmax回归的输出层是一个全连接层。 在Sequential中添加一个带有10个输出的全连接层。
net = nn.Sequential(nn.Flatten(), nn.Linear(784, 10)) #flatten：把任何维度的tensor变为2d tensor，保留第0维度，剩下维度展成向量

# 以均值0和标准差0.01随机初始化权
def init_weights(m):
    if type(m) == nn.Linear:
        nn.init.normal_(m.weight, std=0.01)

net.apply(init_weights)
# cross entropy
loss = nn.CrossEntropyLoss()
# 优化算法
trainer = torch.optim.SGD(net.parameters(), lr=0.1)
# 定义的训练函数来训练模型
num_epochs = 10
d2l.train_ch3(net, train_iter, test_iter, loss, num_epochs, trainer)

---

来源

b站 跟李沐学AI 动手学深度学习v2 09