刘二第九节，多分类问题

上图是多输入的二分类问题，yheat输出的p是y等于以的概率，所以1-p就是y等于0的概率，

关于图像：

灰度图是一个单通道的图像，而彩色的图像分为r,g,b 三个通道

 

此例为一个通道的灰度图像

 

transforms.Compose()函数_马鹏森的博客-CSDN博客_transforms.compose 

pytorch中transforms.Compose()函数_岁月神偷小拳拳的博客-CSDN博客_transform.compose

transforms.Normalize（）_三世的博客-CSDN博客_transforms.normalize

此处transform实现了一个tiansforms.Compose这个类的实例，transforms.Compose()类的主要作用是串联多个transforms列表里面的transform操作，此处对两个操作进行了串联，transforms.ToTensors()是负责把图像转变成张良，本例中负责把一个单通道的28*28的像素值在0-255的图像转化成一个1*28*28的像素值在0-1之间的张量，对于transforms.Normalize,数据标准化处理：transforms.Normalize（）：transforms.Normalize：数据标准化，即均值为0，标准差为1。简单来说就是将数据按通道进行计算，将每一个通道的数据先计算出其方差与均值，然后再将其每一个通道内的每一个数据减去均值，再除以方差，得到归一化后的结果。在深度学习图像处理中，标准化处理之后，可以使数据更好的响应激活函数，提高数据的表现力，减少梯度爆炸和梯度消失的出现。此处将transforms.ToTensors()得到的0-1之间的数按照均值0.137方差0.308进行标准化，使之符合正态分布

 PyTorch深度学习实践（b站刘二大人）P9讲 多分类问题 Softmax Classifier_努力学习的朱朱的博客-CSDN博客