如何使用 pytorch 从 Resnet 获取概率？答案

【问题标题】：How to get probabilities from Resnet using pytorch?如何使用 pytorch 从 Resnet 获取概率？
【发布时间】：2018-12-19 20:11:48
【问题描述】：

我正在对具有多个标签的数据集微调 resnet。

我想将分类层的“分数”转换为概率，并使用这些概率来计算训练中的损失。

您能否为此提供示例代码？我可以这样使用吗：

       P = net.forward(x)
       p = torch.nn.functional.softmax(P, dim=1)
       loss = torch.nn.functional.cross_entropy(P, y)

我不清楚这是否是正确的方法，因为我将概率作为交叉熵损失的输入。

【问题讨论】：

标签： deep-learning conv-neural-network pytorch

【解决方案1】：

所以，你正在训练一个model，即在 pytorch 中具有交叉熵的 resnet。您的损失计算如下所示。

logit = model(x)
loss = torch.nn.functional.cross_entropy(logits=logit, target=y)

在这种情况下，你可以通过做来计算所有类的概率，

logit = model(x)
p = torch.nn.functional.softmax(logit, dim=1)
# to calculate loss using probabilities you can do below 
loss = torch.nn.functional.nll_loss(torch.log(p), y)

请注意，如果您使用概率，则必须手动获取log，这对于数字原因是不好的。相反，请使用log_softmax 或cross_entropy，在这种情况下，您最终可能会分别使用交叉熵和计算概率来计算损失。

【讨论】：

我想将我的“分数”转换为概率，并使用这些概率来计算训练中的损失。
感谢您的回复。我已经更新了这个问题。请看一看。