PyTorch使用教程-PyTorch构建神经网络(下)

PyTorch使用教程-PyTorch构建神经网络(下)

前言

上节我们使用了PyTorch自己组建了一个线性回归模型,并且我们自己实现了一个网络和优化,如果这些你都了解了那这节我们就能顺其自然的使用PyTorch给我们的封装来实现一个简单的DNN模型了

网络模型

一个简单的DNN应该有这三部分组成输入,隐藏,输出层

有个好玩的游乐场

可以自己组件DNN来拟合数据,其中的超参数有:
Learning rate:学习率,上节有讲到
Activation:激活函数,其作用让模型具有拟合非线性数据的能力
Regularization:正则化非常著名的有l1正则和l2正则,l1用于生成稀疏矩阵,而l2可以用来防止过拟合
Regularization rate:正则化的超参数
Problem type:选择模型是分类模型,还是回归模型

模型构建

1. 模型定义

import torch
from torch import nn
import torch.nn.functional as F
import torch.optim as optim
class DNN(nn.Module):
    def __init__(self):
        super(DNN, self).__init__()
        self.fc1 = nn.Linear(in_features=1,out_features=128)
        self