人民大2024《人工智能与Python程序设计》课件（教材配套版）第12章-PyTorch基础-3.pdf

《人工智能与Python程序设计》——PyTorch神经网络

人工智能与Python程序设计教研组

提纲

使用PyTorch搭建神经网络

使用PyTorch训练神经网络

PyTorch神经网络

回顾：使用PyTorch实现线性回归模型

•继承nn.Module，实现线性回归模型

•自己实现了一个线性层

回顾：使用PyTorch实现线性回归模型

•继承nn.Module，实现线性回归模型：

–步骤1：实现__init__方法，初始化线性回归参数，保存到self.w属性中

•模型参数需要是nn.Parameter类型的，这样该属性才能被self.parameters()迭代

器遍历，进而被optimizer优化和更新

•不要忘了调用super().__init__()

–步骤2：实现forward方法，计算ො=

目标：实现一个基于MLP的回归模型

•继承nn.Module，实现MLP（Multi-LayerPerceptron）回归模型：

–步骤1：实现__init__方法

–步骤2：实现forward方法

•使用torch.nn中自带的神经网络模块实现该模型

–nn包中自带很多常用的神经网络模块

•线性层

•激活函数

–这些模块均继承nn.Module

–我们常把这些模块称为神经网络中的”层”

线性回归

•多元线性回归

•ො=+

1

12⋯

1111

12⋯

2

2222

+=

⋮⋮⋮

⋮⋮

12⋯

单层线性回归

•Pytorch自带线性层/全连接层可以实现单层线性回归

PyTorch线性层

•线性层（全连接层）

ෝ

•=+

12′

⋯