摘要：
nn.Softmax nn.Softmax核心作用：把分数变成概率 作用是： 把任意实数转换成概率分布（所有值在 0~1，总和=1） 一、为什么需要 Softmax？ 神经网络最后一层输出通常是：logits = [2.0, 1.0, 0.1] 这些只是“分数”，不是概率。 Softmax 转换后： 阅读全文
posted @ 2026-03-01 20:11
天才大锤
阅读(2)
评论(0)
推荐(0)
摘要：
nn.ReLU 本质：ReLU = max(0, x) 即： 负数 → 变成 0 正数 → 保持不变 一句话终极理解：ReLU = 把负数变成0，让神经网络具备非线性学习能力 ReLU实际运行 import torch import torch.nn as nn relu = nn.ReLU() x 阅读全文
posted @ 2026-03-01 19:38
天才大锤
阅读(1)
评论(0)
推荐(0)
摘要：
nn.MaxPool2d MaxPool2d 本质一句话: 把图像分块，每块取最大值 or 降采样（downsampling） 输入输出shape 输入必须是：batch, channels, height, width 例如：x shape = (1, 1, 4, 4) 1张图， 1通道， 4x4 阅读全文
posted @ 2026-03-01 17:56
天才大锤
阅读(1)
评论(0)
推荐(0)
摘要：
nn.Conv2d Conv2d 本质一句话:用多个卷积核扫描图像，提取特征。 Conv2d 输入必须是 4维张量：batch_size, in_channels, height, width。 例如： x shape = (1, 3, 32, 32) 表示： 1张图片 3通道（RGB） 32x32 阅读全文
posted @ 2026-03-01 17:44
天才大锤
阅读(3)
评论(0)
推荐(0)
摘要：
nn.Linear nn.Linear —— 全连接层本质 nn.Linear(in_features, out_features) fc = nn.Linear(4, 3) 含义： 输入: 4维向量 输出: 3维向量 数学公式：y = x @ weight.T + bias 其中： x shape 阅读全文
posted @ 2026-03-01 16:44
天才大锤
阅读(1)
评论(0)
推荐(0)
浙公网安备 33010602011771号