关于Pytorch的MLP模块实现方式

(编辑：jimmy 日期: 2024/11/19 浏览：3 次 )

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。

上一篇：Python PyInstaller安装和使用教程详解
下一篇：PyTorch 普通卷积和空洞卷积实例