Pytorch实现MLP(基于PyTorch实现)

已于 2023-02-09 22:45:14 修改
阅读量1.3w 收藏 198
点赞数 187
分类专栏： 图神经网络 文章标签： pytorch 深度学习 人工智能 图神经网络 神经网络
于 2023-02-09 07:30:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_47256162/article/details/128809423
版权

文章目录

前言

大家好，我是阿光。

本专栏整理了《图神经网络代码实战》，内包含了不同图神经网络的相关代码实现（PyG以及自实现），理论与实践相结合，如GCN、GAT、GraphSAGE等经典图网络，每一个代码实例都附带有完整的代码。

正在更新中~ ✨

在这里插入图片描述

🚨 我的项目环境：

  • 平台：Windows10
  • 语言环境：python3.7
  • 编译器：PyCharm
  • PyTorch版本：1.11.0
  • PyG版本：2.1.0

💥 项目专栏：【图神经网络代码实战目录】

本文我们将使用PyTorch来简易实现一个MLP网络，不使用PyG库，让新手可以理解如何PyTorch来搭建一个简易的图网络实例demo。

一、导入相关库

本项目是采用自己实现的MLP，并没有使用 PyG 库，原因是为了帮助新手朋友们能够对MLP的原理有个更深刻的理解，如果熟悉之后可以尝试使用PyG库直接调用 MLP 这个图层即可。


                

                
                
        

        

        

    




        

            

                

                

                了解本专栏
                
                
                  
                订阅专栏 解锁全文
                 
                
                    
                    超级会员免费看
                
            

            
            
            
        

    

      

        

            

              
                
                  海洋 之心
                
              
            

            

                关注
              
            

        

        

          
    
            
  • 
              
                
                
                
                
                    187
                
              
              
    点赞
    
            
    • 
            
  • 
              
                
                
                
              
              
    踩
    
            
    • 
            
  • 
              
                
                
                
                
                    198
                
              
              
    
                
    
                  
                    收藏
                  
                
    
              
    
              
    
                
    
                  觉得还不错?
                  
                    一键收藏
                  
                 
                
    
              
    
            
    • 
                
  • 
                  
                    打赏
                    
                  
                  
    打赏
    
                
    • 
          
  • 
            
    
              
              
            
    
              
              
              
                  175
              
            
            
    评论
    
          
    • 
          
  • 
          
    • 
          
  • 
            
              
            
              
    
            
              
                
            
    
          
    • 
        

      

      

            

                专栏目录
          

                

                        订阅专栏
                










                



	

		

			

				
					
关于Pytorch的MLP模块实现方式

				
			

			

				

					09-18
				

			

		

		

			
				
今天小编就为大家分享一篇关于Pytorch的MLP模块实现方式，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

			
		

	



                

              
                



	

		

			

				
					
使用 PyTorch 实现 MLP 并在 MNIST 数据集上验证方式

				
			

			

				

					09-18
				

			

		

		

			
				
【PyTorch 实现 MLP 在 MNIST 数据集上的应用】  多层感知器（Multilayer Perceptron，简称 MLP）是一种常见的神经网络模型，通常用于分类任务。在本教程中，我们将探讨如何使用 PyTorch 框架来构建一个四层 MLP，并...

			
		

	



                


  
              

                


	

		

			

				
					
pytorch 实现MLP（多层感知机）

					
热门推荐

				
			

			

				

					robator的专栏
				

				

					12-09
					
					2万+
					
				

			

		

		

			
				
pytorch 实现多层感知机，主要使用torch.nn.Linear(in_features,out_features)，因为torch.nn.Linear是全连接的层，就代表MLP的全连接层

本文实例MNIST数据，输入层28×28=784个节点，2个隐含层，隐含层各100个，输出层10个节点

开发平台，windows 平台，python 3.8.5，torch版本1.8.1+cpu


#minist 用MLP实现，MLP也是使用pytorch实现的
import torchvision
impo

			
		

	





	

		

			

				
					
PyTorch示例——MLP图像分类-手写数字

				
			

			

				

					蒋含竹的博客
				

				

					02-17
					
					1395
					
				

			

		

		

			
				
【代码】PyTorch示例-MLP图像分类-手写数字。

			
		

	



		

			
		



	

		

			

				
					
【pytorch】PyTorch -多层感知机（MLP）的从零开始实现

				
			

			

				

					sazass的博客
				

				

					11-16
					
					1844
					
				

			

		

		

			
				
学习教材：
动手学深度学习 PYTORCH 版(DEMO)
(https://github.com/ShusenTang/Dive-into-DL-PyTorch)
PDF 制作by [Marcus Yang](https://github.com/chenyang1999)

直接代码：
import torch
from torch import nn
from torch.nn import init
import random
from IPython import display
from mat

			
		

	





	

		

			

				
					
【学习笔记】深度学习实战 | PyTorch 入门（MLP为例）

				
			

			

				

					BenjaminChen的博客
				

				

					02-28
					
					8146
					
				

			

		

		

			
				
【学习笔记】深度学习实战 | PyTorch 入门（MLP为例）

			
		

	





	

		

			

				
					
PyTorch入门（二）搭建MLP模型实现分类任务

				
			

			

				

					山阴少年
				

				

					12-03
					
					2万+
					
				

			

		

		

			
				
本文将会介绍如何使用PyTorch来搭建简单的MLP（Multi-layer Perceptron，多层感知机）模型，来实现二分类及多分类任务。

			
		

	





	

		

			

				
					
基于pytorch的MLP姓氏分类源码

					
最新发布

				
			

			

				

					06-26
				

			

		

		

			
				
基于pytorch的MLP姓氏分类源码

			
		

	





	

		

			

				
					
Kan网络pytorch的实现

				
			

			

				

					05-31
				

			

		

		

			
				
权重替换：KAN网络通过将权重参数替换为可学习的单变量函数，提高了网络的性能和可解释性。...KAN网络正是基于这一定理，通过将多元函数的学习转化为对一组单变量函数的学习，提高了模型的表达能力和计算效率。

			
		

	





	

		

			

				
					
Pytorch 实现 MLP

				
			

			

				

					CICI❤️的博客
				

				

					11-11
					
					1924
					
				

			

		

		

			
				
torch.nn是专门为神经网络设计的模块化接口。nn构建于 Autograd之上，可用来定义和运行神经网络。
nn.functional，这个包中包含了神经网络中使用的一些常用函数，这些函数的特点是，不具有可学习的参数(如ReLU，pool，DropOut等)，这些函数可以放在构造函数中，也可以不放，但是这里建议不放。
定义一个网络
PyTorch中已经为我们准备好了现成的网络模型，只要继承nn...

			
		

	





	

		

			

				
					
实现多层神经网络MLP（Pytorch 05）

				
			

			

				

					March_A的博客
				

				

					03-24
					
					1607
					
				

			

		

		

			
				
因为我们忽略了空间结构，所以我们使用reshape将每个二维图像转换为一个长度为num_inputs的向量。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。

			
		

	





	

		

			

				
					
深入理解多层感知机（MLP）：原理与代码解析

				
			

			

				

					weixin_43749805的博客
				

				

					06-14
					
					1万+
					
				

			

		

		

			
				
多层感知机（MLP）是一种经典的神经网络模型，由多个神经元层组成。它的结构和功能使其成为深度学习中的重要组成部分。MLP在各种任务中表现出色，如图像分类、文本分类、预测和回归等。

			
		

	





	

		

			

				
					
使用Pytorch库实现的简单的多层感知机（MLP）

				
			

			

				

					weixin_64123373的博客
				

				

					08-30
					
					208
					
				

			

		

		

			
				
这是一个通用的前馈神经网络，其中信息从输入层流向输出层。

			
		

	





	

		

			

				
					
多层感知机MLP的理解及代码实现

				
			

			

				

					qq_42282231的博客
				

				

					02-19
					
					2万+
					
				

			

		

		

			
				
1、MLP模型
多层感知机（MLP，Multilayer Perceptron）也叫人工神经网络（ANN，Artificial Neural Network），除了输入输出层，它中间可以有多个隐层，最简单的MLP只含一个隐层，即三层的结构。
多层感知器(multilayer Perceptron，MLP)是指可以是感知器的人工神经元组成的多个层次。MPL的层次结构是一个有向无环图。通常，每一层都全连接到下一层，某一层上的每个人工神经元的输出成为下一层若干人工神经元的输入。MLP至少有三层人工神经元，如下图所

			
		

	





	

		

			

				
					
多层感知机（MLP）——简介

				
			

			

				

					m0_46928770的博客
				

				

					01-12
					
					1万+
					
				

			

		

		

			
				
输入层—>隐藏层"""注释：这是定义隐藏层的类，首先明确：隐藏层的输入即input，输出即隐藏层的神经元个数。输入层与隐藏层是全连接的。假设输入是n_in维的向量（也可以说时n_in个神经元），隐藏层有n_out个神经元，则因为是全连接，一共有n_in*n_out个权重，故W大小时(n_in,n_out),n_in行n_out列，每一列对应隐藏层的每一个神经元的连接权重。b是偏置，隐藏层有n_out个神经元，故b时n_out维向量。

			
		

	





	

		

			

				
					
算法笔记（21）神经网络及Python代码实现

				
			

			

				

					编程研究坊的博客
				

				

					05-27
					
					1236
					
				

			

		

		

			
				
根据网络中神经元的互连方式，可以分为3种神经网络
1、前馈神经网络：在训练的过程中会有反馈信号，而在分类的过程中只能向前传递数据，直到到达输出层，层间没有向后反馈信号
2、反馈神经网络：从输入到输出具有反馈连接的神经元
3、自组织网络：通过自动寻找样本中的内在规律和本质属性，自组织、自适应地改变网络参数与结构。

			
		

	





	

		

			

				
					
3.10_mlp-pytorch

				
			

			

				

					taifyang的博客
				

				

					06-07
					
					224
					
				

			

		

		

			
				
3.10 多层感知机的简洁实现
下面我们使用PyTorch来实现上一节中的多层感知机。首先导入所需的包或模块。
import torch
from torch import nn
from torch.nn import init
import numpy as np
import sys
sys.path.append("..") 
import d2lzh_pytorch as d2l

3.10.1 定义模型
和softmax回归唯一的不同在于，我们多加了一个全连接层作为隐藏层。它的隐藏单元个数为25

			
		

	





	

		

			

				
					
Pytorch：全连接神经网络-MLP回归

				
			

			

				

					Jingmin Wei's Blog
				

				

					02-03
					
					1万+
					
				

			

		

		

			
				
使用全连接神经网络(MLP)解决波士顿房价回归预测问题

			
		

	





	

		

			

				
					
pytorch创建MLP模型及pytorch模型转onnx方法总结

				
			

			

				

					NUAA1703的博客
				

				

					09-15
					
					828
					
				

			

		

		

			
				
本例从头训练了mlp模型，然后使用不同的方式保存成pth，最后使用torch.onnx成功转出onnx模型。

			
		

	





	

		

			

				
					
MLP 的torch实现

				
			

			

				

					01-16
				

			

		

		

			
				
以下是使用PyTorch实现MLP的示例代码：

```python
import torch
import torch.nn as nn

# 定义MLP模型
class MLP(nn.Module):
    def __init__(self, input_size, hidden_size, output_size):
        super(MLP, self).__init__()
        self.fc1 = nn.Linear(input_size, hidden_size)
        self.relu = nn.ReLU()
        self.fc2 = nn.Linear(hidden_size, output_size)

    def forward(self, x):
        out = self.fc1(x)
        out = self.relu(out)
        out = self.fc2(out)
        return out

# 创建MLP模型实例
input_size = 10
hidden_size = 20
output_size = 5
model = MLP(input_size, hidden_size, output_size)

# 定义输入数据
input_data = torch.randn(32, input_size)

# 前向传播
output = model(input_data)

# 打印输出结果
print(output)
```



			
		

	



              




          




        



    





    



      

      

        
      

      





	

		
评论 175

	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
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
            

          

        

        

          

          

          

        

      

    

    

  





	
打赏作者

	

		

		
			
		
		

		

			
海洋 之心

			
你的鼓励将是我创作的最大动力

		

	

	

			

	

	

    ¥1
    ¥2
    ¥4
    ¥6
    ¥10
    ¥20
	

	

		

			

				

					扫码支付：¥1
				

				

					

					
					获取中
					

				

				

					
					
					扫码支付
				

			

		

		

			
您的余额不足，请更换扫码支付或充值

			
打赏作者

		

	



      
      

      
实付元

      
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