摘要：  ![](https://img202 阅读全文

摘要：feature, logit, out = node.model(data) # PyTorch，模型的.model(data)调用通常涉及到两个主要步骤：前向传播和激活输出的计算。这里没有直接涉及到反向传播，因为反向传播是在损失函数计算之后，通过调用损失函数的.backward()方法来执行的。 阅读全文

摘要：logits通常指的是一个神经网络模型最后一层（输出层之前的层）输出的原始预测值，尚未经过归一化或激活函数（如softmax函数）处理的值。这些值在经过激活函数处理后，可以转换成概率分布，用于多分类问题中每个类别的概率预测。 全连接层输出的是logits，然后logits经过激活函数得到最后的预测值 阅读全文

摘要：特征向量和神经元的区别和联系： 特征向量是神经元的输出；但不是神经元本身，神经元是计算单元，它是将上一层的输出，即特征向量，经过权重和偏置后，再经过激活函数的激活，最终形成神经元的输出。 特征向量和特征空间： 如果是其中一层的输出，例如最后一层通常是数据的最高表示，那么所有可能输出的特征向量共同组成 阅读全文

摘要：网络模型分为特征提取器，包括一系列卷积层。池化层、激活函数； 分类器则是后面的全连接层； 对于全连接层直接输出的值为logits； logits也叫做模型输出的对数几率，$n_j$ 通常表示为模型对于第 j 类的输出值，也就是在进行Softmax函数转换之前的原始logits 阅读全文