极简pytorch-单层神经网络正向传播

首先我们来看下单层神经网络的结构

由于业内共识输入层不算层数，所以这是一个单层的神经网络

整张图对应的数学公式如下，我们知道不管是机器学习还是深度学习，主要的功能是做预测，比如我们要预测房价,有一组数据，是面积90平，房间数3,只要让90*w1+3*w2 +b就能做预测了,b是偏置，可以不要。如果让w1为100,w2为200,b为0则预测出房价为9600,我们先不管机器预测的准不准，至少它预测出来了，那为啥要用下面一堆恐怖的线性代数来表示这么简单的算法呢，主要是机器做预测都是成百上千组数据，用线性代数可以很直白的表示这种批量操作。

 下面我们用代码来实现预测,通过实例化torch.nn.Linear来实现一个单层的神经网络,torch.nn.Linear的作用就是上面我说的输入数据，然后预测数据，你只需要告诉它输入的特征是几维的，输出的预测值是几维的，比如刚刚说的输入值有面积和房间数，则输入的纬度是2，预测的是房价，则输出的维度是1，如果你想预测房价和房龄，则输出维度是2,它会随机生成权重和偏置，然后给它数据就能返回预测值

import torch

torch.random.manual_seed(420) #人为设置随机数种子
X = torch.tensor([[100,3],[90,4]], dtype = torch.float32) #定义特征矩阵,两个特征，2组数据
#单层神经网络，由于训练数据有两个特征，所以2个输入,预测值为单个数据,1个输出
output = torch.nn.Linear(2,1)
print(output.weight)  #随机生成权重w和截距b,Linear(2,1,bias=False)则不会生成b
print(output.bias)
zhat = output(X) #zhat为预测值

 可以看到打印出来的权重是[0.4318,-0.4256],偏置是0.6730,预测出来的值是[42.5797,37,8357],

以上整个过程叫做神经网络的正向传播，你可能会说这预测的完全不靠谱吧，就是瞎猜的吧？没错，它还真是瞎猜的，后面我会讲到反向传播，到时你会见证预测值和真实值越来越接近，而这种模型通过学习数据，不断拟合旧数据从而能够预测新数据的过程，就叫做机器学习。