多维特征输入，多层神经网络学习

54 阅读 0 评论 36 点赞

我是靠谱客的博主安详外套，最近开发中收集的这篇文章主要介绍多维特征输入，多层神经网络学习，觉得挺不错的，现在分享给大家，希望可以做个参考。

首先对多维特征进行解释：

如有一个y，他的值由8个x（x1,x2，x3~~）决定，那么x就有8个维度。

我们的linear所作的事就是y=wx+b,其中每一个量都是向量，因此可以处理多维度数据。

如x有8个维度，y有一个维度，那么可以写成self.linear=torch.nn.Linear(8,1)

内部过程就是：

y(N*1),x(N*8)(表示y一维，x8维，总共有N个数据)，那么w就是（8*1），矩阵乘法就成了

那么w一定要(8*1)吗？当然不，可以先（8*2）,再（2*1）呀。于是就有了多层的神经网络。如：

self.linear1 = torch.nn.Linear(8,2)#代表着输入8维，输出2维
self.linear2 = torch.nn.Linear(2,1)#输入2维，输出1维（最终结果）

同理，前向传播时也要变成：

        def forward(self,x):
        x = self.linear1(x)
        x = self.linear2(x)

return x

这样我们就有了一个两层的神经网络。

当然你可以选择更多的，可以（8*100）——》（100*10）——》（10*1），都可以，可以任意多层，每层的神经元数也随意。

以上就是安详外套为你收集整理的多维特征输入，多层神经网络学习的全部内容，希望文章能够帮你解决多维特征输入，多层神经网络学习所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。