sigmod函数
深度学习笔记:如何理解激活函数?(附常用激活函数) - 知乎 (zhihu.com)
虽然比起现代计算机,生物大脑看起来存储空间少得多,运行速度比较慢,但是生物大脑
却可以执行复杂的任务,如飞行、寻找食物、学习语言和逃避天敌。
相比于传统的计算机系统,生物大脑对损坏和不完善信号具有难以置信的弹性。
由互相连接的神经元组成的生物大脑是人工神经网络的灵感来源。
反向传播公式:
网络定义
class Net(torch.nn.Module): # 继承torch的module
def __init__(self, n_feature, n_hidden, n_output):
super(Net, self).__init__() # 继承__init__功能
# 定义每一层用什么样的样式
self.hidden1 = torch.nn.Linear(n_feature, n_hidden) # 隐藏层线性输出
self.hidden2 = torch.nn.Linear(n_hidden, n_hidden) # 隐藏层线性输出
self.predict = torch.nn.Linear(n_hidden, n_output) # 输出层线性输出
def forward(self, x):
# 激励函数(隐藏层的线性值)
x = torch.relu(self.hidden1(x))
x = torch.relu(self.hidden2(x))
x = self.predict(x) # 输出值
return x
net = Net(2, 5, 3)
print(net)
#输出的结果
Net(
(hidden1): Linear(in_features=2, out_features=5, bias=True)
(hidden2): Linear(in_features=5, out_features=5, bias=True)
(predict): Linear(in_features=5, out_features=3, bias=True)
)
#输出网络的参数
paras = list(net.parameters())
for num,para in enumerate(paras):
print('number:',num)
print(para)
print('_____________________________')