关于Pytorch的MLP模块实现方式
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：
classMLP(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) ) defforward(self,x): out=self.linear(x) returnout
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毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。