構造一個4個輸出的單層網絡，

import mxnet.ndarray as nd from mxnet.gluon import nnlayer1=nn.Dense(4)#權重默認為平均分布的[-0.7,0.7]，4是指輸出的維度的第2維的值 print(layer1)

Dense(None -> 4, linear)

前向計算

from mxnet import nd from mxnet.gluon import nnlayer1=nn.Dense(1) x=nd.array([[1,1],[1,-1],[-1,1],[-1,-1]]) layer1.initialize() y=layer1(x) print(y)

[[-0.08561561]
[-0.04872324]
[ 0.04872324]
[ 0.08561561]]
<NDArray 4x1 @cpu(0)>

nn.Dense和nn.Sequential屬于nn.Block的子類

from mxnet import nd from mxnet.gluon import nnnet=nn.Sequential() net.add(nn.Dense(2,activation="relu"),nn.Dense(1,activation="relu")) net.initialize() y=net(x) print(y)

[[-0.08561561]
[-0.04872324]
[ 0.04872324]
[ 0.08561561]]
<NDArray 4x1 @cpu(0)>

總結

以上是生活随笔為你收集整理的mxnet基础到提高(36)-单层神经网络的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。