多层感知机(MLP)从零实现—python-Pytorch

自学动手学深度学习系列（可以直接对照图片代码）

多层感知机(MLP)从零实现
import torch
from torch import nn
from d2l import torch as d2l

batch_size = 256
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)

num_inputs, num_outputs, num_hiddens = 784, 10, 256

W1 = nn.Parameter(torch.randn(
num_inputs, num_hiddens, requires_grad=True) * 0.01)
# W1 是第一个全连接层的权重矩阵，大小为 (num_inputs, num_hiddens)，使用了从标准正态分布中随机抽取的值乘以 0.01，并且设置了 requires_grad=True 表示这些参数在反向传播时需要计算梯度。
b1 = nn.Parameter(torch.zeros(num_hiddens, requires_grad=True))
# b1 是第一个全连接层的偏置向量，大小为 (num_hiddens,)，初始值为零，并且也设置了 requires_grad=True
W2 = nn.Parameter(torch.randn(
num_hiddens, num_outputs, requires_grad=Tru