4.2. 多层感知机的从零开始实现¶

我们已经在 4.1节中描述了多层感知机（MLP），现在让我们尝试自己实现一个多层感知机。为了与之前softmax回归（ 3.6节）获得的结果进行比较，我们将继续使用Fashion-MNIST图像分类数据集（ 3.5节）。

from mindspore import Parameter, nn, ops
from d2l import mindspore as d2l

batch_size = 256
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)

import torch
from torch import nn
from d2l import torch as d2l

batch_size = 256
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)

4.2.1. 初始化模型参数¶

回想一下，Fashion-MNIST中的每个图像由 \(28 \times 28 = 784\)个灰度像素值组成。所有图像共分为10个类别。忽略像素之间的空间结构，我们可以将每个图像视为具有784个输入特征和10个类的简单分类数据集。首先，我们将实现一个具有单隐藏层的多层感知机，它包含256个隐藏单元。注意，我们可以将这两个变量都视为超参数。通常，我们选择2的若干次幂作为层的宽度。因为内存在硬件中的分配和寻址方式，这么做往往可以在计算上更高效。

我们用几个张量来表示我们的参数。注意，对于每一层我们都要记录一个权重矩阵和一个偏置向量。跟以前一样，我们要为损失关于这些参数的梯度分配内存。

mindspore pytorch

num_inputs, num_outputs, num_hiddens = 784, 10, 256

W1 = Parameter(ops.normal((num_inputs, num_hiddens), 0, 0.01), name='W1')
b1 = Parameter(ops.zeros(num_hiddens), name='b1')
W2 = Parameter(ops.normal((num_hiddens, num_outputs), 0, 0.01), name='W2')
b2 = Parameter(ops.zeros(num_outputs), name='b2')

params = [W1, b1, W2, b2]

num_inputs, num_outputs, num_hiddens = 784, 10, 256

W1 = nn.Parameter(torch.randn(
    num_inputs, num_hiddens, requires_grad=True) * 0.01)
b1 = nn.Parameter(torch.zeros(num_hiddens, requires_grad=True))
W2 = nn.Parameter(torch.randn(
    num_hiddens, num_outputs, requires_grad=True) * 0.01)
b2 = nn.Parameter(torch.zeros(num_outputs, requires_grad=True))

params = [W1, b1, W2, b2]

4.2.2. 激活函数¶

为了确保我们对模型的细节了如指掌，我们将实现ReLU激活函数，而不是直接调用内置的relu函数。

mindspore pytorch

def relu(X):
    return ops.maximum(X, 0)

def relu(X):
    a = torch.zeros_like(X)
    return torch.max(X, a)

4.2.3. 模型¶

因为我们忽略了空间结构，所以我们使用reshape将每个二维图像转换为一个长度为num_inputs的向量。只需几行代码就可以实现我们的模型。

def net(X):
    X = X.reshape((-1, num_inputs))
    H = relu(X@W1 + b1)  # 这里“@”代表矩阵乘法
    return (H@W2 + b2)

4.2.4. 损失函数¶

由于我们已经从零实现过softmax函数（ 3.6节），因此在这里我们直接使用高级API中的内置函数来计算softmax和交叉熵损失。回想一下我们之前在 3.7.2节中对这些复杂问题的讨论。我们鼓励感兴趣的读者查看损失函数的源代码，以加深对实现细节的了解。

mindspore pytorch

loss = nn.SoftmaxCrossEntropyWithLogits(sparse=True, reduction='none')

loss = nn.CrossEntropyLoss(reduction='none')

4.2.5. 训练¶

幸运的是，多层感知机的训练过程与softmax回归的训练过程完全相同。可以直接调用d2l包的train_ch3函数（参见 3.6节），将迭代周期数设置为10，并将学习率设置为0.1.

mindspore pytorch

num_epochs, lr = 10, 0.1
updater = nn.SGD(params, learning_rate=lr)
d2l.train_ch3(net, train_iter, test_iter, loss, num_epochs, updater)

../_images/output_mlp-scratch_106d07_41_0.png

num_epochs, lr = 10, 0.1
updater = torch.optim.SGD(params, lr=lr)
d2l.train_ch3(net, train_iter, test_iter, loss, num_epochs, updater)

../_images/output_mlp-scratch_106d07_44_0.svg

为了对学习到的模型进行评估，我们将在一些测试数据上应用这个模型。

mindspore pytorch

d2l.predict_ch3(net, test_iter)

../_images/output_mlp-scratch_106d07_50_0.png

d2l.predict_ch3(net, test_iter)

../_images/output_mlp-scratch_106d07_53_0.svg

4.2.6. 小结¶

手动实现一个简单的多层感知机是很容易的。然而如果有大量的层，从零开始实现多层感知机会变得很麻烦（例如，要命名和记录模型的参数）。

4.2.7. 练习¶

在所有其他参数保持不变的情况下，更改超参数num_hiddens的值，并查看此超参数的变化对结果有何影响。确定此超参数的最佳值。
尝试添加更多的隐藏层，并查看它对结果有何影响。
改变学习速率会如何影响结果？保持模型架构和其他超参数（包括轮数）不变，学习率设置为多少会带来最好的结果？
通过对所有超参数（学习率、轮数、隐藏层数、每层的隐藏单元数）进行联合优化，可以得到的最佳结果是什么？
描述为什么涉及多个超参数更具挑战性。
如果想要构建多个超参数的搜索方法，请想出一个聪明的策略。

mindspore pytorch

讨论