wordpress淘宝客网站运营,中国专业做鞋子的网站,青岛城市建设集团网站,南京网站建设工作室目录 1.感知机计算预测值#xff1a;2.感知机训练#xff1a;3.损失函数#xff1a;4.多层感知机#xff1a;5.单隐藏层的多层感知机代码实现#xff1a; 1.感知机计算预测值#xff1a; 训练结果只有1、-1#xff0c;故正负相同训练正确#xff0c;正负相反即训练错误… 目录 1.感知机计算预测值2.感知机训练3.损失函数4.多层感知机5.单隐藏层的多层感知机代码实现 1.感知机计算预测值 训练结果只有1、-1故正负相同训练正确正负相反即训练错误。σ(x)为激活函数每个激活层都要有一个激活函数但是激活函数不能是线性函数。 2.感知机训练 如果预测值错误对权重和偏移量进行更新后重新执行直到所有数据分类正确才结束训练。单层感知机不能拟合XOR函数 3.损失函数 4.多层感知机 每个激活层都要有一个激活函数。多层感知机又分单隐藏层和多隐藏层每个隐藏层都可能有多个隐藏单元。 5.单隐藏层的多层感知机代码实现 import torch from torch import nn from d2l import torch as d2lbatch_size 256 train_iter, test_iter d2l.load_data_fashion_mnist(batch_size) #输入参数、输出参数隐藏单元 num_inputs, num_outputs, num_hiddens 784, 10, 256 #初始化模型参数 W1 nn.Parameter(torch.randn(num_inputs, num_hiddens, requires_gradTrue) * 0.01) b1 nn.Parameter(torch.zeros(num_hiddens, requires_gradTrue)) W2 nn.Parameter(torch.randn(num_hiddens, num_outputs, requires_gradTrue) * 0.01) b2 nn.Parameter(torch.zeros(num_outputs, requires_gradTrue))#模型函数wxb def net(X):X X.reshape((-1, num_inputs))H relu(XW1 b1) # 这里“”代表矩阵乘法return (HW2 b2)#激活函数 def relu(X):a torch.zeros_like(X)return torch.max(X, a)#损失函数 loss nn.CrossEntropyLoss(reductionnone)#模型训练 num_epochs, lr 10, 0.1 updater torch.optim.SGD(params, lrlr) d2l.train_ch3(net, train_iter, test_iter, loss, num_epochs, updater)