Pytorch神经网络构建&直观显示

本博文优先在掘金社区发布！

前言

这里主要分两部分，一个是如何直观的显示出我们预测的效果，或者是误差，另一个是如何进行网络的搭建，以及再次理解神经网络。

神经网络

先前我们举过一个例子，就是从线性回归来推导神经网络的工作流程。我们使用损失函数，来进行反向传播，也就是使用损失函数来进行梯度下降，我们假设 y = x2 +2 此时，我们输入的是x ,y 但是我们要猜测的是 2 和 2 也就是
y = ax + b 的 a,b 。之后对于非线性的拟合，我们还有激活函数，那么这个激活函数是什么？就是给我们的线性拟合做非线性变换。（学好神经网络，机器学习，智能优化算法你会发现大部分的数学建模题目都能用这些玩意来做，比如那个2021数学建模的A题我没看懂，C题其实不难但是懒得分析，B直接套，先来个拟合，然后我直接用傅里叶拟合，神经网络推算关系（这个做法可以有，但是过拟合是绝对的，因为数据太少，所以要有大量的误差，灵敏度分析来填坑（然鹅我忘了这个流程）），最后一个优化直接跑优化算法，然后也是有问题也要评估分析，最后一个根据你的分析带上实验步骤，其实就是分析实验不足，也就是你的模型不足，还需要那些数据来修正。虽然做法很暴力，但是比语文建模好多了，而且分析到位的话是能够拿国奖的）。

神经网络在运行的过程中其实分三大部分，第一部分是初始化，这个就是我说的先随便猜测几个参数，第二个部分是通过损失函数，进行反向传递