使用PyTorch构建神经网络以及反向传播计算

使用PyTorch构建神经网络以及反向传播计算

前一段时间南京出现了疫情，大概原因是因为境外飞机清洁处理不恰当，导致清理人员感染。话说国外一天不消停，国内就得一直严防死守。沈阳出现了一例感染人员，我在22号乘坐飞机从沈阳乘坐飞机到杭州，恰好我是一位密切接触人员的后三排，就这样我成为了次密切接触人员，人下飞机刚到杭州就被疾控中心带走了，享受了全免费的隔离套餐，不得不说疾控中心大数据把控是真的有力度。在这一段时间，也让我沉下心来去做了点事，之前一直鸽的公众号也开始写上了。。。不过隔离期间确实让我这么宅的人都感觉很憋。。。唠唠叨叨这么多，言归正传，这节将从反向传播算法进一步分析基于PyTorch的神经网络算法。

构建神经网络

在训练神经网络时，常用的算法是反向传播。该算法中，参数根据损失函数相对应的给定的参数的梯度进行调整。为了计算这些梯度，使用PyTorch的内置函数torch.autograd。它支持任何网络的梯度计算。
通过构建一层神经网络来进行细致的分析；

import torch

x = torch.ones(5)  # input tensor
y = torch.zeros(3)  # expected output
w = torch.randn(5, 3, requires_grad=True)
b = torch.randn(3, requires_grad=True)
z = torch.matmu