介绍
假设您要定义以下神经网络,其中一个输入层,两个隐藏层和一个输出层,中间层使用relu激活,而输出层使用sigmoid激活函数,如下所示:
这是一个全连接的16x12x10x1神经网络。
1.手动建立权重和偏差
一种方法是构建所有的块。这是一种低级的方法,但是如果您试图理解深度学习体系结构(或者如果你想开发一个定制层),那么它可能非常适合您。这里的关键是,您需要告诉PyTorch在您的网络中什么是可变的或可优化的,以便PyTorch知道如何在您的网络中执行梯度下降。让我们看看在低层PyTorch中人们是如何处理这个问题的: