动手学深度学习PyTorch版-多层感知机

本文介绍了如何从零开始构建多层感知机,详细讲解了ReLU、sigmoid和tanh等激活函数,并探讨了它们的适用场景。在PyTorch中实现多层感知机的步骤包括定义模型参数、激活函数、网络结构、损失函数以及训练过程。
摘要由CSDN通过智能技术生成

多层感知机

从零实现多层感知机

%matplotlib inline
import torch
import numpy as np
import matplotlib.pyplot as plt
import sys
sys.path.append("/home/kesci/input")
import d2lzh1981 as d2l
print(torch.__version__)

Relu函数

def xyplot(x_vals, y_vals, name):
    # d2l.set_figsize(figsize=(5, 2.5))
    plt.plot(x_vals.detach().numpy(), y_vals.detach().numpy())
    plt.xlabel('x')
    plt.ylabel(name + '(x)')
x = torch.arange(-8.0, 8.0, 0.1, requires_grad=True)
y = x.relu()
xyplot(x, y, 'relu')

在这里插入图片描述

y.sum().backward()
xyplot(x, x.grad, 'grad of relu')

在这里插入图片描述
sigmoid函数

y = x.sigmoid()
xyplot(x, y, 'sigmoid')

在这里插入图片描述
sigmoid导数

x.grad.zero_()
y.sum().backward
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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