2、神经网络基础：激活函数、CNN、RNN全解析

最新推荐文章于 2025-11-30 09:25:59 发布

杠精协会主席

最新推荐文章于 2025-11-30 09:25:59 发布

阅读量61

点赞数

CC 4.0 BY-SA版权

分类专栏：图神经网络与网络安全文章标签：神经网络激活函数 CNN

本文链接：https://blog.youkuaiyun.com/docker7nomad/article/details/151746821

图神经网络与网络安全专栏收录该内容

26 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

神经网络基础：激活函数、CNN、RNN全解析

1. 前馈神经网络（FFNN）与激活函数

1.1 FFNN的输出计算

在FFNN中，经过加权组合后的结果需要传递给激活函数 $f$ 来计算输出，公式为 $Z = f(y)$。这个激活函数决定了神经元是否会被激活。以下是一个简单的FFNN模型的PyTorch实现代码：

# . . . . . . . . . . . . . . class imports . . . . . . . . . . . . 
import torch
import torch.nn as nn

# . . . . . . . . . . . . . . Model Building . . . . . . . . . . . 
class FeedForewardNeuralNet(nn.Module):
    def __init__(self, input_size, hidden_size, num_classes):
        super(FeedForewardNeuralNet, self).__init__()
        self.fc1 = nn.Linear(input_size, hidden_size) 
        self.relu = nn.ReLU()
        self.fc2 = nn.Linear(hidden_size, num_classes)  

    def forward(self, x):
        out = self.fc1(x)
        out = self.relu(out)
        o