如何用Pytorch实现多层感知机（MLP）模块？

本文共计213个文字，预计阅读时间需要1分钟。

MLP分类效果通常优于线性分类器，它将特征输入MLP中再经softmax进行分类。具体实现为：将原本的线性分类模块替换为：`self.classifier=nn.Linear(config.hidden_size, num_labels)`

MLP分类效果一般好于线性分类器，即将特征输入MLP中再经过softmax来进行分类。

具体实现为将原先线性分类模块：

self.classifier = nn.Linear(config.hidden_size, num_labels)

替换为：

self.classifier = MLP(config.hidden_size, num_labels)

并且添加MLP模块：

class MLP(nn.Module): def __init__(self, input_size, common_size): super(MLP, self).__init__() self.linear = nn.Sequential( nn.Linear(input_size, input_size // 2), nn.ReLU(inplace=True), nn.Linear(input_size // 2, input_size // 4), nn.ReLU(inplace=True), nn.Linear(input_size // 4, common_size) ) def forward(self, x): out = self.linear(x) return out

看一下模块结构：

mlp = MLP(1000,3) print(mlp)

以上这篇关于Pytorch的MLP模块实现方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持易盾网络。