目录

 初始化模型参数

重新审视Softmax的实现 

优化算法 

训练 

小结

---

在 线性回归的实现中， 我们发现通过深度学习框架的高级API能够使实现

线性回归变得更加容易。 同样，通过深度学习框架的高级API也能更方便地实现softmax回归模型。 本节如在上一节中一样， 继续使用Fashion-MNIST数据集，并保持批量大小为256。

import torch
from torch import nn
from d2l import torch as d2l

batch_size = 256
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)

 初始化模型参数

如我们在 softmax回归所述， softmax回归的输出层是一个全连接层。 因此，为了实现我们的模型， 我们只需在Sequential中添加一个带有10个输出的全连接层。 同样，在这里Sequential并不是必要的， 但它是实现深度模型的基础。 我们仍然以均值0和标准差0.01随机初始化权重。

# PyTorch不会隐式地调整输入的形状。因此，
# 我们在线性层前定义了展平层（flatten），来调整网络输入的形状
net = nn.Sequential(nn.Flatten(), nn.Linear(784, 10))

def init_weights(m):
    if type(m) == nn.Linear:
        nn.init.normal_(m.weight, std=0.01)

net.apply(init_weights);

重新审视Softmax的实现 

在前面 一节的例子中， 我们计算了模型的输出，然后将此输出送入交叉熵损失。 从数学上讲，这是一件完全合理的事情。 然而，从计算角度来看，指数可能会造成数值稳定性问题。

回想一下，softmax函数y^j=exp⁡(oj)∑kexp⁡(ok)， 其中y^j是预测的概率分布。 oj是未规范化的预测o的第j个元素。 如果ok中的一些数值非常大， 那么exp⁡(ok)可能大于数据类型容许的最大数字，即上溢（overflow）。 这将使分母或分子变为inf（无穷大）， 最后得到的是0、inf或nan（不是数字）的y^j。 在这些情况下，我们无法得到一个明确定义的交叉熵值。

解决这个问题的一个技巧是： 在继续softmax计算之前，先从所有ok中减去max(ok)。 这里可以看到每个ok按常数进行的移动不会改变softmax的返回值：

 

在减法和规范化步骤之后，可能有些oj−max(ok)具有较大的负值。 由于精度受限，exp⁡(oj−max(ok))将有接近零的值，即下溢（underflow）。 这些值可能会四舍五入为零，使y^j为零， 并且使得log⁡(y^j)的值为-inf。 反向传播几步后，我们可能会发现自己面对一屏幕可怕的nan结果。

尽管我们要计算指数函数，但我们最终在计算交叉熵损失时会取它们的对数。 通过将softmax和交叉熵结合在一起，可以避免反向传播过程中可能会困扰我们的数值稳定性问题。 如下面的等式所示，我们避免计算exp⁡(oj−max(ok))， 而可以直接使用oj−max(ok)，因为log⁡(exp⁡(⋅))被抵消了。

我们也希望保留传统的softmax函数，以备我们需要评估通过模型输出的概率。 但是，我们没有将softmax概率传递到损失函数中， 而是在交叉熵损失函数中传递未规范化的预测，并同时计算softmax及其对数， 这是一种类似“LogSumExp技巧”的聪明方式。 

loss = nn.CrossEntropyLoss(reduction='none')

优化算法 

在这里，我们使用学习率为0.1的小批量随机梯度下降作为优化算法。 这与我们在线性回归例子中的相同，这说明了优化器的普适性。 

trainer = torch.optim.SGD(net.parameters(), lr=0.1)

训练 

接下来我们调用上一节中 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)

 

和以前一样，这个算法使结果收敛到一个相当高的精度，而且这次的代码比之前更精简了。 

小结

• 使用深度学习框架的高级API，我们可以更简洁地实现softmax回归。

• 从计算的角度来看，实现softmax回归比较复杂。在许多情况下，深度学习框架在这些著名的技巧之外采取了额外的预防措施，来确保数值的稳定性。这使我们避免了在实践中从零开始编写模型时可能遇到的陷阱。