如何用pytorch实现Softmax回归？

问题描述

我正在处理一个Uni作业，需要用softmax Regression实现Pytorch。作业说：

Implement softmax Regression as an nn.Module and pipe its output with its output with torch.nn.softmax.

由于我是pytorch的新手，所以我不确定如何确切地做到这一点。到目前为止，我已经尝试过：

softmaxRegression（nn.Module）类：＃从nn.Module继承！

def __init__(self,num_labels,num_features):

    super(softmaxRegression,self).__init__()
    self.linear = torch.nn.Linear(num_labels,num_features)

def forward(self,x):
    # should return the probabilities for the classes,e.g.
    # tensor([[ 0.1757,0.3948,0.4295],#         [ 0.0777,0.3502,0.5721],#         ...

    # not sure what to do here

有人知道我该怎么做吗？我不确定forward方法中应该写些什么。感谢您的帮助！

解决方法

据我了解，该任务希望您实现自己的Softmax函数版本。但是，我没有得到and pipe its output with torch.nn.Softmax的意思。他们是不是要您返回自定义Softmax的输出以及自定义torch.nn.Softmax来的nn.Module？您可以这样做：

class SoftmaxRegression(nn.Module):
    def __init__(self,dim=0):
        super(SoftmaxRegression,self).__init__()
        self.dim = dim
    def forward(self,x):
        means = torch.mean(x,self.dim,keepdim=True)[0]
        exp_x= torch.exp(x-means)
        sum_exp_x = torch.sum(exp_x,keepdim=True)
        value = exp_x/sum_exp_x
        return value