李沐 多层感知机 + 代码实现

这篇博客介绍了多层感知机的原理和实现,包括激活函数如sigmoid、tanh和ReLU。通过一个简单的FashionMNIST数据集的分类任务,展示了如何使用PyTorch构建和训练模型,包括网络结构、损失函数和优化器。尽管在训练初期可能出现较高的训练损失,但随着训练次数增加,模型的准确率逐渐提升。

感知机:
二分类模型,无法处理XOR函数
训练感知机:
初始化w=0,b=0

Repeat:
If yi*[<w,xi>+b]<=0 then
W <- w+yi*xi and b<-b+yi
End if

直到所有的类分类正确
等价于批量大小为1的梯度下降

多层感知机:
单隐藏层-----单分类
在这里插入图片描述
h=σ(w1x+b1w_1x+b_1w1x+b1)
o=w2Th+b2w^T_2h+b_2w2Th+b2
隐藏层不能使用线性激活函数,需要激活函数σ,按元素做运算
激活函数
sigmoid(x)=11+exp(−x)\frac{1}{1+exp(-x)}1+exp(x)1
将输入投影到(0,1)
在这里插入图片描述

tanh(x)=1−exp(−2x)1+exp(−2x)\frac{1-exp(-2x)}{1+exp(-2x)}1+exp(2x)1exp(2x)
将输入投影到(-1,1)
在这里插入图片描述

RelU(x)=max(x,0)最常用也是速度最快的
在这里插入图片描述

多类分类:
与sooftmax相似

多隐藏层:
h1h_1h1=σ(w1x+b1w_1x+b_1w1x+b1)
h2h_2h2=σ(w2h1+b2w_2h_1+b_2w

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值