多层感知机的从零开始实现( 从D2L 包中抽取函数)

---

多层感知机的从零开始实现

多层感知机（Multilayer Perceptron，简称MLP），是一种基于前馈神经网络（Feedforward Neural Network）的深度学习模型，由多个神经元层组成，其中每个神经元层与前一层全连接。

多层感知机可以用于解决分类、回归和聚类等各种机器学习问题。 多层感知机的每个神经元层由许多神经元组成，其中输入层接收输入特征，输出层给出最终的预测结果，中间的隐藏层用于提取特征和进行非线性变换。每个神经元接收前一层的输出，进行加权和和激活函数运算，得到当前层的输出

让我们尝试自己实现一个多层感知机。
为了与之前softmax回归（ :numref:sec_softmax_scratch ）
获得的结果进行比较，
我们将继续使用Fashion-MNIST图像分类数据集
（ :numref:sec_fashion_mnist）。

import torch
from torch import nn
# from d2l import torch as d2l