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

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脚本之家。