pytorch——预测值转换为概率，单层感知机

softmax函数，可以将算出来的预测值转换成0-1之间的概率形式

导数的形式

import torch
import torch.nn.functional as F
x=torch.tensor([3.3,2.2,1.0])
x.requires_grad_()
y=F.softmax(x,dim=0)
print('将x转换成概率型的y',y)
print(y[0],x[0])
print('对y1进行求导,由于y是由所有xi来生成的，所以传输入的时候要把所有的x传进去')
#由于y=0.6978,0.2323,0.07. 所以有导数公式dy1/dx1=0.6978*(1-0.6978)=0.2109  dy1/dx2=-0.6978*0.2323=-0.162
print('y0对上x0-x3三个方向上的导数',torch.autograd.grad(outputs=y[0], inputs=x))
y=F.softmax(x,dim=0)
print('y1对上x0-x3三个方向上的导数',torch.autograd.grad(outputs=y[1], inputs=x))
y=F.softmax(x,dim=0)
print('y2对上x0-x3三个方向上的导数',torch.autograd.grad(outputs=y[2], inputs=x))

单层感知机

x的上标代表层数，下面的下标代表的是节点的编号。w的上标是下一层，下标的第一位是上一层的节点的编号，第二位是上一层

第0层的n个节点通过权值相乘再累加得到下一层的x，然后x通过激活函数再计算损失