torch.nn.Linear实现单层回归网络的正向传播

反向传播：往前回溯，计算初始节点的梯度值

正向传播：从输入到输出

torch.nn.Linear: 代表线性的输出层，z = wx

import  torch

X = torch.tensor([[1,0],[1,1],[0,1],[0,0]],dtype=torch.float32)

torch.random.manual_seed(22) # 人为设置随机数种子，固定w，b值

# 实例化一个 output
output = torch.nn.Linear(2,1)
"""
上一层的神经元个数（上一层的神经元中，给现在这一层传输数据的神经元的个数）
这一层的神经元个数（接收传输数据的神经元的个数）
为什么没有w？  在torch.nn.modoule类中，每次调用都会随机的生成w和b
在Linear中通过bais的布尔类型控制是否随机生成b，通过随机数种子固定w值 
为什么没有定义输入层/?  任何一个神经网络都会有输入层，当定义了特征矩阵时，输入层的结构也就能确定了，
"""

z = output(X)
print(output.weight)
print(output.bias)
print(z)