import torch
inP = torch.Tensor([[-1.0, -1.0], [-1.0, 0.0], [-1.0, 1.0],
[0.0, -1.0], [0.0, 0.0], [0.0, 1.0],
[1.0, -1.0], [1.0, 0.0], [1.0, 1.0]])
bias1 = torch.Tensor([-3.12442959586638, 0.596253074987332, 1.08691596975814, -0.87833091886749,
-1.04194161485478, -1.71097022352059, -2.49446233907584, -3.03073789969431,
-1.78808522534959, 3.4743708479762])
bias2 = torch.Tensor([-1.50606651555681])
weight = torch.Tensor([4.763361096, 1.582268146, 1.296479134, 2.625841744,
2.951680086, -5.903043918, -0.000188714, 3.644154802,
0.790408045, 7.839779683])
'''
bias - 偏置
weight - 权重
'''
class Net(torch.nn.Module):
def __init__(self):
super().__init__()
self.layer1 = torch.nn.Linear(2, 10)
self.layer2 = torch.nn.Linear(10, 1)
def forward(self, x):
x = torch.tanh((self.layer1(x) + bias1) * weight)
return self.layer2(x) + bias2
if __name__ == '__main__':
model = Net()
for i in inP:
print(model(i).item())
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
1、资源内容:基于Python神经网络实现在数据拟合中应用(源码+数据).rar 2、适用人群:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业设计,作为“参考资料”使用。 3、更多仿真源码和数据集下载列表(自行寻找自己需要的):https://blog.csdn.net/m0_62143653?type=download 4、免责声明:本资源作为“参考资料”而不是“定制需求”不一定能够满足所有人的需求,需要有一定的基础能够看懂代码,能够自行调试,能够自行添加功能修改代码。由于作者大厂工作较忙,不提供答疑服务,如不存在资源缺失问题概不负责,谢谢理解。
资源推荐
资源详情
资源评论
收起资源包目录
基于Python神经网络实现在数据拟合中应用(源码+数据).rar (3个子文件)
基于Python神经网络实现在数据拟合中应用(源码+数据)
data.xls 1.3MB
m1.py 1KB
m2.ipynb 29KB
共 3 条
- 1
资源评论
- 秋沙鸭鸭鸭2023-07-19资源简直太好了,完美解决了当下遇到的难题,这样的资源很难不支持~
- 茶凉技术栈2024-03-27资源内容详细全面,与描述一致,对我很有用,有一定的使用价值。
- spwang992024-01-27资源中能够借鉴的内容很多,值得学习的地方也很多,大家一起进步!
- highlanduestc2023-07-27资源质量不错,和资源描述一致,内容详细,对我很有用。
Matlab仿真实验室
- 粉丝: 2w+
- 资源: 2179
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功