脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → pytorch神经网络多层感知机

pytorch神经网络从零开始实现多层感知机

 更新时间：2021年10月11日 16:02:12   作者：Supre_yuan  
这篇文章主要为大家介绍了pytorch神经网络从零开始实现多层感知机的示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步

我们已经在数学上描述了多层感知机，现在让我们尝试自己实现一个多层感知机。为了与我们之前使用softmax回归获得的结果进行比较，我们将继续使用Fashion-MNIST图像分类数据集。

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

batch_size = 256
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)

初始化模型参数

Fashion-MNIST中的每个图像由 28 × 28 = 784个灰度图像值组成。所有图像共分为10个类别。忽略像素之间的空间结构，我们可以将每个图像视为784个输入特征和10个类的简单分类数据集。
首先，我们将实现一个具有单隐藏层的多层感知机，它包含256个隐藏单元。注意我们可以将这两个量都视为超参数。通常，我们选择2的若干次幂作为层的宽度。
我们用几个张量来表示我们的参数。注意，对于每一层我们都需要记录一个权重矩阵和一个偏置向量。跟以前一样，我们要为这些参数的损失梯度分配内存。

num_inputs, num_outputs, num_hiddens = 784, 10, 256
W1 = nn.Parameter(torch.randn(
num_inputs, num_hiddens, requires_grad=True) * 0.01)
b1 = nn.Parameter(torch.zeros(num_hiddens, requires_grad=True))
W2 = nn.Parameter(torch.randn(
num_hiddens, num_outputs, requires_grad=True) * 0.01)
b2 = nn.Parameter(torch.zeros(num_outputs, requires_grad=True))
params = [W1, b1, W2, b2]

激活函数

为了确保我们知道一切是如何工作的，我们将使用最大值函数自己实现ReLU激活函数，而不是直接调用内置的relu函数。

def relu(X):
	a = torch.zeros_like(X)
	return torch.max(X, a)

模型

因为我们忽略了空间结构，所示我们使用reshape将每个二维图像转换为一个长度为num_inputs的向量。我们只需几行代码就可以实现我们的模型。

def net(X):
	X = X.reshape((-1, num_inputs))
	H = relu(X@W1 + b1)    # 这里“@”代表矩阵乘法
	return (H@W2 + b2)

损失函数

为了确保数值的稳定性，同时由于我们已经从零实现过softmax函数，因此在这里我们直接使用高级API中的内置函数来计算softmax和交叉熵损失。

loss = nn.CrossEntropyLoss()

训练

幸运的是，多层感知机的训练过程与softmax回归的训练过程完全相同。可以直接调用d2l包的train_ch3函数，将迭代周期设置为10，并将学习率设置为0.1。

num_epochs, lr = 10, 0.1
updater = torch.optim.SGD(params, lr=lr)
d2l.train_ch3(net, train_iter, test_iter, loss, num_epochs, updater)

在这里插入图片描述

为了对学习到的模型进行评估，我们将在一些 测试数据上应用这个模型。

d2l.predict_ch3(net, test_iter)

在这里插入图片描述

以上就是pytorch神经网络从零开始实现多层感知机的详细内容，更多关于pytorch神经网络多层感知机的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

相关文章

  • Python中datetime模块参考手册

    Python中datetime模块参考手册

    Python处理时间和日期方面的模块，主要就是datetime、time、calendar三个模块的使用。下面这篇文章主要给大家介绍的是Python中的datetime模块,需要的朋友可以参考借鉴，下面来一起看看吧。
    2017-01-01
  • python使用itchat模块给心爱的人每天发天气预报

    python使用itchat模块给心爱的人每天发天气预报

    这篇文章主要介绍了python使用itchat模块给心爱的人每天发天气预报，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2019-11-11
  • python Django框架实现web端分页呈现数据

    python Django框架实现web端分页呈现数据

    这篇文章主要介绍了python Django框架实现web端分页呈现数据，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2019-10-10
  • python3代码输出嵌套式对象实例详解

    python3代码输出嵌套式对象实例详解

    在本篇文章里小编给大家整理了关于python3代码输出嵌套式对象实例详解内容，有兴趣的朋友们可以学习下。
    2020-12-12
  • Python新手入门之解释器的安装

    Python新手入门之解释器的安装

    相信有很多小伙伴还不会安装Python解释器,今天特地整理了本篇文章,文章有非常详细的图文示例,对不会安装的小伙伴很有帮助,需要的朋友可以参考下
    2021-06-06
  • python添加模块搜索路径和包的导入方法

    python添加模块搜索路径和包的导入方法

    今天小编就为大家分享一篇python添加模块搜索路径和包的导入方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2019-01-01
  • 基于python实现可视化生成二维码工具

    基于python实现可视化生成二维码工具

    这篇文章主要介绍了基于python实现可视化生成二维码工具,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-07-07
  • Python虚拟环境的原理及使用详解

    Python虚拟环境的原理及使用详解

    这篇文章主要介绍了Python虚拟环境的原理及使用详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2019-07-07
  • 在 Python 中解析 ISO 8601 日期的详细过程

    在 Python 中解析 ISO 8601 日期的详细过程

    这篇文章主要介绍了在 Python 中解析 ISO 8601 日期,我们将讨论典型的 ISO 8601 日期的结构,并向您展示如何将典型的 DateTime 对象解析为可以在所有地方使用的标准化 DateTime,需要的朋友可以参考下
    2023-08-08
  • python的re正则表达式实例代码

    python的re正则表达式实例代码

    这篇文章主要介绍了python的re正则表达式，分享了一则re模块实现的正则表达式实例代码，小编觉得还是挺不错的，具有一定借鉴价值，需要的朋友可以参考下
    2018-01-01

最新评论