多层感知机的从零开始实现

文档摘要

多层感知机的从零开始实现 :label: 我们已经在 :numref: 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（ :numref: ）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（ :numref: ）。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。