pytorch学习笔记（一）：损失函数
学习pytorch首先是要装pytorch啦！但是这是一个磨人的小妖精，传统的用pip可是装不上的。为此，可以参考我的另一篇博客，这可是我研究一天的结晶！
这篇笔记是 关于机器学习损失函数的，根据不同的应用场景，需要选择不同的损失函数。
线性回归
线性回归因为预测的数值有具体的意义，所以损失函数一般使用的均方误差损失函数。以前用的是tensorflow的keras，学习pytorch的时候发现二者的公式有细微的差别。pytorch乘了一个1/2，而keras没有。具体如下：
分类模型
对于分类模型的预测结果，我们关注的是数值的相对大小，而非线性回归的绝对大小。也即如果结果是[10,30,9]和[100,120,90],其实差别不大，最终的结果都是第二类。所以，均方误差损失函数在这里就不太适用了，一般使用交叉熵损失函数，但是之前要首先对结果进行归一化处理，例如进行softmax处理。
过程如下：