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)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值