为什么pytorch做二分类问题的模型预测概率会出现大于1或小于0的情况？

net&＃061;Net(in_dim&＃061;8,n_hidden1&＃061;4,n_hidden2&＃061;6,out_dim&＃061;2)



optimizer&＃061;torch.optim.SGD(net.parameters(),lr&＃061;0.02)

loss_fun&＃061;torch.nn.CrossEntropyLoss()

losses&＃061;[]







epoches&＃061;1000

for i in range(epoches):

    out&＃061;net.forward(datalL_train)

    new_out&＃061;out.squeeze()

    loss&＃061;loss_fun(new_out,lableL_train.long())

    losses.append(loss.item())

    optimizer.zero_grad()  # 清除一下上次梯度计算的数值

    loss.backward()  # 进行反向传播

    optimizer.step()  # 最优化迭代



predict&＃061;net.forward(datalL_test)

print(predict)

print(lableL_test)





‘’‘

tensor([[-0.1968,  0.9195],

        [-0.3286,  0.9704],

        [-0.4561,  1.1754],

        [-0.8294,  1.5649]], grad_fn&＃061;)

tensor([0., 1., 1., 1.])

’‘’