正如您所料，通过依赖高级 API，我们可以更简洁地实现 MLP。

import torch
from torch import nn
from d2l import torch as d2l

4.3.1 模型

与我们简洁的 softmax 回归实现（第 3.7 节）相比，唯一的区别是我们添加了两个全连接层（之前，我们添加了一个）。第一个是我们的隐藏层，它包含 256 个隐藏单元并应用 ReLU 激活函数。第二个是我们的输出层。

net = nn.Sequential(nn.Flatten(),nn.Linear(784, 256),nn.ReLU(),nn.Linear(256, 10))def init_weights(m):if type(m) == nn.Linear:nn.init.normal_(m.weight, std=0.01)net.apply(init_weights);

训练循环与我们实现 softmax 回归时完全相同。这种模块化使我们能够将有关模型架构的问题与正交考虑分开。

batch_size, lr, num_epochs = 256, 0.1, 10
loss = nn.CrossEntropyLoss(reduction='none')
trainer = torch.optim.SGD(net.parameters(), lr=lr)train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)
d2l.train_ch3(net, train_iter, test_iter, loss, num_epochs, trainer)

4.3.2. 概括

使用高级 API，我们可以更简洁地实现 MLP。
对于相同的分类问题，MLP 的实现与 softmax 回归的实现相同，只是增加了带有激活函数的隐藏层。

4.3.3. 练习

1. 尝试添加不同数量的隐藏层（您也可以修改学习率）。什么设置效果最好？
1. 尝试不同的激活函数。哪一个效果最好？
1. 尝试不同的方案来初始化权重。什么方法效果最好？

参考

https://d2l.ai/chapter_multilayer-perceptrons/mlp-concise.html

翻译: 4.3. 多层感知器的简明实现MLP pytorch相关推荐

翻译: 4.多层感知器 pytorch
在本章中,我们将介绍您的第一个真正深入的网络.最简单的深度网络称为多层感知器,它们由多层神经元组成,每一层都与下层(它们接收输入)和上层(它们反过来影响)中的神经元完全连接.当我们训练高容量模型时,我 ...
逻辑斯第回归、softmax分类与多层感知器
本专栏将推出一系列深度学习与图像处理相关的教程文章.注重原理精讲和代码实现.实现框架将重点选择Tensorflow或Pytorch.本讲从逻辑斯第回归入手,然后讲解softmax分类器,最后讲解多层感 ...
深度学习（一）多层感知器MLP/人工神经网络ANN
目录一.定义和公式 1. 多层感知器 Multi Layer Perceptron MLP 2. MLP实现非线性分类 3. Keras介绍二. 代码实战 1. 建立MLP模型实现二分类 1.1 ...
OpenCV 神经网络 - 多层感知器（MLP）
一.简述人工神经网络(ANN) 简称神经网络(NN),能模拟生物神经系统对物体所作出的交互反应,是由具有适应性的简单单元(称为神经元)组成的广泛并行互连网络. 二.M-P神经元 "M-P神 ...
使用多层感知器进行图片分类
文章目录实验目标实验要求实验原理实验步骤实验分析源代码实验目标多层感知器(Multi-Layer Perceptron,MLP)也叫人工神经网络(Artificial Neural N ...
tensorflow实例-多层感知器
一.概念感知器: 上图就是基本的处理元素,它具有输入.输出,每个输入关联一个连接权重,然后输出是输入的加权和. 上图就是一个单层的感知器,输入分别是X0.X1.X2,输出Y是输入的加权和: Y ...
多层感知器神经网络模型,人工智能神经网络模型
有哪些深度神经网络模型? 目前经常使用的深度神经网络模型主要有卷积神经网络(CNN).递归神经网络(RNN).深信度网络(DBN).深度自动编码器(AutoEncoder)和生成对抗网络(GAN)等. ...
PyTorch 03—逻辑回归与多层感知器
什么是逻辑回归线性回归预测的是一个连续值,逻辑回归给出的"是"和"否"的回答.逻辑回归用到了一个sigmoid函数,将一个连续的变量映射到概率空间(0~1). ...
Chemistry.AI | 基于非线性激活的多层感知器预测分子特性
Chemistry.AI | 基于线性回归预测分子特性环境准备 Python版本:Python 3.6.8 PyTorch版本:PyTorch1.1.0 RDKit版本:RDKit 2019.09. ...
【深度学习】多层感知器高级使用
[深度学习]多层感知器高级使用文章目录 1 JSON序列化模型 2 YAML格式 3 模型增量更新 4 神网检查点 5 导入模型 6 可视化训练过程神经网络的变种目前有很多,如误差反向传播(Bac ...

翻译: 4.3. 多层感知器的简明实现MLP pytorch

4.3.1 模型

4.3.2. 概括

4.3.3. 练习

参考

翻译: 4.3. 多层感知器的简明实现MLP pytorch相关推荐

最新文章

热门文章