三种Sigmoid的区别

torch.sigmoid( )

这是一个方法，拥有Parameters以及Returns。

---

---

参考官网的解释，就可以从输出很明显的看到输出就是属于概率[0,1]之间了
所以sigmoid函数就是将输出值映射到[0,1]

torch.nn.sigmoid( )

---

有一个很明显的class，所以这说明了
torch.nn.Sigmoid在我们的神经网络中使用时，我们应该将其看作是网络的一层，而不是简单的函数使用。会构建计算图。

torch.nn.funtional.sigmoid( )

---

事实上，torch.nn.functional从这个包名就能看出来，这个包里的都是函数。同样的，按照官网的文档的内容，我们也可以判断出torch.nn.funtional.sigmoid是一个方法，可以直接在我们的神经网络的forward中使用，并不需要在init的时候初始化。也就是说torch.nn.functional.sigmoid和torch.sigmoid没有什么区别，同理，本文对于其他的激活函数一样适用。

总结

具体情况具体分析，一般使用torch.sigmoid( )。