使用Pytorch进行多类分类

Question

我是Pytorch的新手，我需要澄清多类分类。

我正在微调DenseNet神经网络，因此它可以识别3个不同的类。

因为这是一个多类问题，所以我必须以这种方式替换分类层：

kernelCount = self.densenet121.classifier.in_features
self.densenet121.classifier = nn.Sequential(nn.Linear(kernelCount, 3), nn.Softmax(dim=1))

并使用CrossEntropyLoss作为损失函数：

loss = torch.nn.CrossEntropyLoss(reduction='mean')

通过在Pytorch论坛上阅读，我发现CrossEntropyLoss将softmax函数应用于神经网络的输出。这是真的？我应该从网络结构中删除Softmax激活功能吗？

测试阶段呢？如果包括在内，我必须在模型的输出上调用softmax函数吗？

感谢您的帮助。

Answer 1

是，CrossEntropyLoss隐式应用softmax。您应该在网络的末端删除softmax层，因为softmax是幂等，因此两次应用它都是语义错误。]就评估/测试而言。请记住，softmax是单调递增的操作（意味着应用时输出的相对顺序不会改变）。因此，在softmax之前和之后argmax的结果将得到相同的结果。

唯一可能需要在评估期间显式执行softmax的情况是，如果出于某种原因需要实际的置信度值。如果需要，您可以在评估期间使用torch.softmax在网络输出上显式应用softmax。