- 过程推导 - 了解BP原理
- 数值计算 - 手动计算，掌握细节
- 代码实现 - numpy手推 + pytorch自动
- 对比【numpy】和【pytorch】程序，总结并陈述。
- 激活函数Sigmoid用PyTorch自带函数torch.sigmoid()，观察、总结并陈述。
- 激活函数Sigmoid改变为Relu，观察、总结并陈述。
- 损失函数MSE用PyTorch自带函数 t.nn.MSELoss()替代，观察、总结并陈述。
- 损失函数MSE改变为交叉熵，观察、总结并陈述。
- 改变步长，训练次数，观察、总结并陈述。
- 权值w1-w8初始值换为随机数，对比“指定权值”的结果，观察、总结并陈述。
- 权值w1-w8初始值换为0，观察、总结并陈述。
- 全面总结反向传播原理和编码实现，认真写心得体会。
REF：
【人工智能导论：模型与算法】MOOC 8.3 误差后向传播(BP) 例题 【第三版】 - HBU_DAVID - 博客园 (cnblogs.com)
NNDL 作业3：分别使用numpy和pytorch实现FNN例题_。没有用n,nly,kkn3_笼子里的薛定谔的博客-CSDN博客
HBU-NNDL 作业3：分别使用numpy和pytorch实现FNN例题_不是蒋承翰的博客-CSDN博客
