pratice03：
1.问题描述：
就是通过设置只有一个hidden层的神经网络，对一个平面的灰面和白面进行分类
2.完整代码：
# 可提供解题和验证代码，自行产生数据
import torch
import torch.nn as nn
import torch.nn.functional as F
from torch import tensor
from torch.nn import Parameter
class Act_abs(nn.Module):
def __init__(self):
super(Act_abs, self).__init__()
def forward(self, x):
x[abs(x) >= 1] = 1
x[abs(x) < 1] = 0
return x
class Act_v(nn.Module):
def __init__(self):
super(Act_v, self).__init__()
def forward(self, x):
x[x < 1] = 0
x[x >= 1] = 1
return x
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.lin1 = nn.Linear(2,2,bias =False)
self.lin2 = nn.Linear(2,1,bias =False)
self.lin1.weight = Parameter(tensor([[ 1.0, 0.0], [0.0, 1.0]]))
self.lin2.weight = Parameter(tensor([[ 1.0,1.0]]))
self.act1 = Act_abs()
self.act2 = Act_abs()
def forward(self, x):
y = self.lin1(x)
y = self.act1(y)
y = self.lin2(y)
y = self.act2(y)
return y
if __name__ == '__main__':
net = Net()
# 第一类
dotIn = [tensor([0.0,0.0]),tensor([0.2,0.2]),tensor([-0.2,-0.2]),tensor([0.2,-0.2]),tensor([-0.2,0.2])]
# 边界点（第二类）
dotEdge = [tensor([1.0,1.0]),tensor([-1.0,1.0]),tensor([1.0,-1.0]),tensor([-1.0,-1.0]),tensor([1.0, 0.2]), tensor([-1.0, 0.2]), tensor([1.0, -0.2]), tensor([-1.0, -0.2])]
# 第二类
dotOut = [tensor([1.5, 0.2]), tensor([-1.5, 0.2]), tensor([1.5, -0.2]), tensor([-1.5, -0.2])]
print('----------内部点--------------')
for x in dotIn:
pre = net(x)
if pre[0] == 0.0:
print('第一类')
else:
print('第二类')
print('----------边界点--------------')
for x in dotEdge:
pre = net(x)
if pre[0] == 0.0:
print('第一类')
else:
print('第二类')
print('----------外部点--------------')
for x in dotOut:
pre = net(x)
if pre[0] == 0.0:
print('第一类')
else:
print('第二类')
print('-----------------生成随机数据------------------')
acc = 0
rand_num = 10**4
for i in range(rand_num):
X = (torch.rand(2) - 0.5) * 4 # [-2, 2]
if abs(X[0]) > 1 or abs(X[1]) > 1:
y = tensor([1])
else:
y = tensor([0])
pre = net(X)
if pre == y:
acc+=1
print('识别准确率Acc: '+ str((acc/rand_num)*100) + '%')
3.代码分析过程：
(1)
这里做的事情就是，定义了一个Act_abs类，需要的参数是nn.Module类型的变量,里面定义了一个激活函数forward,需要传递一个数值参数x，forward就是x的绝对值大于1取1，否则取0的函数
(2)
定义一个Act_v的类，需要的参数也是nn.Module,和上面那个类基本相同，唯一的区别就是这里是x是x的真实值大于1才取值1
(3)
这里面定义了一个神经网络的结构：
所谓的Linear层，就是用来将输入向量转化为另一个输出向量,
这里定义了2个线性层，后面设置了对应的线性系数weight1和weight2,
其中使用了2个相同的abs的激活函数层,
最终的神经网络结构如下：
因为是二分类的问题，所以激活函数的选择就是 一个类似bool函数的函数，要么0要么1作为输出，而且之所以要使用abs绝对值，就是因为这个正方形处于4个象限，需要绝对值进行判断是在正方形内部还是外部
好了。终于发现，我就是一个憨皮，
其实，这里根本就没有什么train和test什么的，这里其实根本没有gradient descend什么的，因为根本就不会进行什么参数调整，
仔细看这个结构，就会发现，它相当于实现了c++里面的：
if(abs(x)>=1 && abs(y)>=1) return 1
这个效果，所以，我感觉它在玩我，
可能就是想模仿一下之后“真正”的深度学习模型吧，
反正这里就很简单
