0
点赞
收藏
分享

微信扫一扫

PyTorch如何实现多层全连接神经网络


什么是全连接神经网络

PyTorch如何实现多层全连接神经网络_神经网络

连接神经网络模型是一种多层感知机(MLP),感知机的原理是寻找类别间最合理、最具有鲁棒性的超平面,最具代表的感知机是SVM支持向量机算法。神经网络同时借鉴了感知机和仿生学,通常来说,动物神经接受一个信号后会发送各个神经元,各个神经元接受输入后根据自身判断,激活产生输出信号后汇总从而实现对信息源实现识别、分类,一个典型的神经网络如下图所示:

如何实现多层全连接神经网络

全连接神经网络按类可分为三层,分别是输入层、隐藏层,输出层;其中输入层和输出层是已经确定的,要实现多层全连接神经网络,其方法就是将隐藏层设为多层的神经网络结构。

隐层层为一层时代码实现:

PyTorch如何实现多层全连接神经网络_感知机_02

执行结果:

PyTorch如何实现多层全连接神经网络_感知机_03

隐藏层设置为3层时代码实现:

PyTorch如何实现多层全连接神经网络_全连接_04

执行结果:

PyTorch如何实现多层全连接神经网络_神经网络_05

结语

通过设置隐藏层的层数,可以成功的实现多层全连接神经网络,但是需要注意的时数据的输入格式,本次我们所用的数据为784维的向量作为输入数据,所以第一层的in_features的参数为784,如果更改为其他的参数,很有可能就会报错。

举报

相关推荐

0 条评论