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：
|
1
|
self.classifier = nn.Linear(config.hidden_size, num_labels) |
替换为：
|
1
|
self.classifier = MLP(config.hidden_size, num_labels) |
并且添加MLP模块：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
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：
|
1
2
|
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服务器之家。
原文链接：https://blog.csdn.net/qq_33373858/article/details/88108153
