如何使用pytorch实现Softmax回归？

Question

我正在处理一个uni任务，其中我需要用Pytorch实现Softmax Regression。任务说：

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

因为我是pytorch的新手，所以我不知道该怎么做。到目前为止，我已经尝试：

类SoftmaxRegression（nn.Module）：#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方法应该写什么。谢谢你的帮助

Answer 1

据我所知，任务要求您实现自己版本的Softmax功能。但是，我不明白你说的and pipe its output with torch.nn.Softmax是什么意思。他们是否要求您返回自定义Softmax的输出以及来自自定义nn.Module的torch.nn.Softmax？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, self.dim, keepdim=True)
        value = exp_x/sum_exp_x
        return value