pytorch 实现softmax多分类，分类数据为二维的点

可以使用pytorch中的nn.CrossEntropyLoss()来实现softmax多分类。具体步骤如下：

1. 定义模型

class Model(nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.linear = nn.Linear(2, num_classes)

    def forward(self, x):
        out = self.linear(x)
        return out

2. 定义损失函数和优化器

criterion = nn.CrossEntropyLoss()
optimizer = torch.optim.SGD(model.parameters(), lr=learning_rate)

3. 训练模型

for epoch in range(num_epochs):
    for i, (inputs, labels) in enumerate(train_loader):
        # 转换为Variable
        inputs = Variable(inputs)
        labels = Variable(labels)

        # 清空梯度
        optimizer.zero_grad()

        # 正向传播
        outputs = model(inputs)
        loss = criterion(outputs, labels)

        # 反向传播和优化
        loss.backward()
        optimizer.step()

    # 每训练5个epoch输出一次loss
    if (epoch+1) % 5 == 0:
        print('Epoch [%d/%d], Loss: %.4f' % (epoch+1, num_epochs, loss.data[0]))

在测试时，需要使用softmax对输出结果进行处理，并选取最大值对应的类别作为预测结果。