NNDL 作业3：分别使用numpy和pytorch实现FNN例题

1. 过程推导 - 了解BP原理
2. 数值计算 - 手动计算，掌握细节
3. 代码实现 - numpy手推 + pytorch自动

过程推导、数值计算，以下三种形式可任选其一：

• 直接在博客用编辑器写
• 在电子设备手写，截图
• 在纸上写，拍照发图

代码实现：

1.  对比【numpy】和【pytorch】程序，总结并陈述。
2. 激活函数Sigmoid用PyTorch自带函数torch.sigmoid()，观察、总结并陈述。
3. 激活函数Sigmoid改变为Relu，观察、总结并陈述。
4. 损失函数MSE用PyTorch自带函数 t.nn.MSELoss()替代，观察、总结并陈述。
5. 损失函数MSE改变为交叉熵，观察、总结并陈述。
6. 改变步长，训练次数，观察、总结并陈述。
7. 权值w1-w8初始值换为随机数，对比“指定权值”的结果，观察、总结并陈述。
8. 权值w1-w8初始值换为0，观察、总结并陈述。
9. 全面总结反向传播原理和编码实现，认真写心得体会。

---

题目为开放式题目，除了要求的内容，鼓励探索更多问题，深入了解FNN、BP，不留疑点

---

REF： 

1. 【2021-2022 春学期】人工智能-作业2：例题程序复现 numpy版
2. 【2021-2022 春学期】人工智能-作业3：例题程序复现 PyTorch版
3. 【人工智能导论：模型与算法】误差后向传播(BP) 例题 编程验证 numpy版本
4. 【人工智能导论：模型与算法】误差后向传播(BP) 例题 编程验证 Pytorch版本 
5. 【人工智能导论：模型与算法】误差后向传播(BP) 例题 编程验证【勘误版】