深度学习笔记（三）用Torch实现多层感知器

代码地址： https://github.com/vic-w/torch-practice/tree/master/multilayer-perceptron

上一次我们使用了输出节点和输入节点直接相连的网络。网络里只有两个可变参数。这种网络只能表示一条直线，不能适应复杂的曲线。我们将把它改造为一个多层网络。一个输入节点，然后是两个隐藏层，每个隐藏层有3个节点，每个隐藏节点后面都跟一个非线性的Sigmoid函数。如图所示，这次我们使用的网络是有2个隐藏层，每层有3个节点的多层神经网络。

那么这样的结构用代码如何表示呢？我们来直接在上一次的代码上修改。

这个网络结构是一层一层的叠加起来的，nn库里有一个类型叫做Sequential序列，正好适合我们。这个Sequential是一个容器类，我们可以在它里面添加一些基本的模块。

model = nn.Sequential()

第一个我们要添加的是输入节点和第一个隐藏层的连接，它是一个Linear线性的类型，它的输入是1个节点，输出是3个节点。

model:add(nn.Linear(1,3))

然后我们在他后面添加一个Sigmoid层，它的节点个数会自动和前一层的输出个数保持一致。

model:add(nn.Sigmoid())

接下来我们添加