多层感知机MLP求解回归问题

目录

可行性

实现

模型定义

损失函数

batch

训练

测试

---

可行性

前面几篇博客提到y=w1x1+w2x2+w3x3...+b可以用线性回归求解，观察到，所有特征都输入节点y，本质就是全连接层（FC层 也称dense层）

 故回归问题也可以用多层感知机，即最简化版的神经网络求解

实现

模型定义

from torch import nn
"""
nn.module 继承这个类
init 初始化所有层
forward 定义前向传播（模型的运算过程）
"""
class Model(nn.Module):
    def __init__(self,input_len=9,hidden=18,output_len=1):
        super().__init__() #继承父类中所有属性
        self.liner_1=nn.Linear(input_len,hidden)
        self.liner_2=nn.Linear(hidden,output_len)
        #可以在这加relu层 
    def forward(self,x):
        x=self.liner_1(x)
        x=self.relu_1(x)