Pytorch_3.8_多层感知机

Posted 2021-02-18 wangxiaobei2019

3.8.1 隐藏层

3.8.2 激活函数

import torch
import matplotlib.pylab as plt
import numpy as np
import xiaobei_pytorch as xb

def xyplot(x_vals,y_vals,name):
    xb.set_figsize(figsize=(5, 2.5))
    xb.plt.plot(x_vals.detach().numpy(), y_vals.detach().numpy())
    xb.plt.xlabel(‘x‘)
    xb.plt.ylabel(name + ‘(x)‘)

ReLU函数

• ReLU = max(x,0)

x = torch.arange(-8,8,0.1,requires_grad=True)
y = x.relu()
xyplot(x,y,‘relu(x)‘)
# print(y)

# 只允许标量对张量求导 所以这里将y转换车才能够标量，求和不改变梯度
y.sum().backward()
xyplot(x,x.grad,‘grad of relu‘)

sigmoid函数

• sigmoid = $frac{1}{1+exp(-x)}$

y = x.sigmoid()
xyplot(x,y,‘sigmoid‘)

x.grad.zero_() #先将之前的梯度清零 否则梯度会累加
y.sum().backward()
xyplot(x,x.grad,‘sigmoid grad‘)

Tanh 函数

• tanh = $frac{1-exp(-2x)}{1+exp(-2x)}$

y = x.tanh()
xyplot(x,y,‘tanh‘)

x.grad.zero_()
y.sum().backward()
xyplot(x,x.grad,‘tanh grad‘)

3.8.3 多层感知机

• 隐藏层的层数和各隐藏层的隐藏单元的个数都称作感知机
• 分类问题 输出结果利用softmax + 交叉熵损失函数
• 回归问题 输出结果个数为1 利用平方损失函数