我是 pytorch 的新手，即使在最简单的网络上也无法在不产生错误的情况下运行 back()。例如：

抛出以下错误

我在创建此问题的代码中做错了什么？

我目前正在阅读他的好书（http://neuralnetworksanddeeplearning.com/chap1.html），我认为到目前为止我已经很好地掌握了这些内容。数学需要一些思考，但易于管理。

对我来说根本不想理解的是前馈函数的作用以及它是如何工作的。现在我无法得到它，所以我决定我需要在这里创建一个 acc 并寻求帮助。

你现在可能会说：“嘿，这很简单，有什么不能理解的”，基本上你是对的。但让我感到困扰的是，这个网络应该对数字进行分类——而且代码似乎工作得很好。如果我在我的机器上运行它，它会向我显示它应该做的进度。所以结果net.feedforward(image)应该是一个包含 10 个条目的数组，指示网络将我们的图片分类为哪个数字。但实际输出是一个包含 10 乘以 30 个条目的数组 --> 这让我很头疼。无论是对这些条目求和，还是对它们求平均值，似乎都没有给出接近 4 图像所需的 (0,0,0,0,1,0,0,0,0,0) 的值。偶数更奇怪的是，其余的代码似乎假设它会得到这个：

如果我这样做：test=net.feedforward(image)然后使用np.argmax(test)我得到一个任意结果，具体取决于 0 到 299 之间的输入，而不是函数中预期的 0 到 9。

尽管如此，代码似乎工作 - 这让我发疯。对此有何解释可以解决我脑海中的问题？

我正在做一个回归问题，我有 18 个特征。每当我尝试预测这些值时，它总是给我负值。有人可以帮忙吗？

我将我定义NN为：

第一层

第 2 层

第三层

第四层

第五层

第六层

输出

其中 Huber 损失为：

我用haskell写了一个神经网络。我的代码基于此http://www-cs-students.stanford.edu/~blynn/haskell/brain.html。我通过以下方式调整了前馈方法：

previousWeights 是：

我真的不明白fmap tanh .从我读到的 fmap 应用于两个函数的内容就像一个组合。如果我更改fmapformap我会得到相同的结果。

我试图理解一个简单的前向神经网络是如何工作的......从这里的例子开始，我已经简化了它以制作一个通常给出 100% 准确的“AND”神经元的训练器：

现在运行它时，python3 ./simple_andNN.py --model ./outputfile.hdf5我可以在 Hdfview 应用程序中打开输出模型，这就是我所看到的：

Now I would expect the value of [1 1] (the only one classified in the positive group, result=[smaller, larger number]) to be dot product of a matrix (the kernel matrix in this simple case?), plus some constant bias, but when I try that it doesn't seem to add up to anything output is saying. Am I misunderstanding what this "neuron" is supposed to be doing based on this data?

我是机器学习的新手，但决定为神经网络制作自己的 js 库，一切都很完美，直到我尝试训练我的 NN。在我的迷你图书馆中，我创建了一些功能......

1）创建我的神经元对象的函数：

这个函数有一个参数，它是来自神经元的所需权重的数量，它返回一个具有两个属性的对象——“b”浮点数（偏差），“w”包含浮点数的一维数组，以及一个方法——它计算神经元对象的激活。

2) 创建我的神经网络的函数

此函数返回一个以神经元对象为最终值的 2D 数组，使用参数数组作为每层的层数和节点数的设置。

3) 一个前馈神经网络的函数

此函数返回 2D 数组，其中每个神经元都有一个激活浮点数，因为它是最终值。它使用 2 个参数 - 第二个函数的输出，输入数组。

4) 以及反向传播的最终函数

此函数返回 2D 数组，其中每个神经元的 rror 浮点数作为其最终值。参数是 3 - nnet 、输入和想要的输出。

所以我可以制作一个神经网络，前馈和反向传播，接收激活和错误，但我总是无法用我的错误和激活训练我的网络以完美工作，上次它为每种类型的输入输出相同的结果。我想从零开始理解训练算法，所以我需要有人的帮助。

PS-我不想有人说我需要使用著名的图书馆，我想自己理解并制作。

我正在尝试建立一个神经网络来解决 XOR 问题。但我做不到。总是给出错误的结果。也许我在你的数学中犯了一个错误。网络不学习。结果总是相似的。

我没有使用偏见。

这是代码：

//main.cpp

//前馈函数

}

//反向传播函数

//输出

如果我有以下属性的正弦波

可以写成

我们如何在这个正弦波上产生镶边效果？我们可以添加相同波的相移波来产生效果吗？

我正在尝试创建具有 N 层的前馈神经网络所以想法是假设如果我想要 2 个输入、3 个隐藏和 2 个输出，那么我只需将 [2,3,2] 传递给神经网络类，并且将创建神经网络模型所以如果我想要 [100,1000,1000,2] 在这种情况下 100 是输入，两个隐藏层每个包含 1000 个神经元和 2 个输出，所以我想要完全连接的神经网络，我只想传递包含神经元数量的列表每一层。因此，为此我编写了以下代码

当我尝试使用它时，我发现它是一种空模型

当我使用以下代码时

当我尝试打印这个模型时，我发现了以下结果

在我的代码中，我只是在创建列表，这有什么区别我只是想了解为什么在火炬列表模型组件中没有用？

我已经为回归问题建立了一个具有 3 个隐藏层的前馈神经网络。我用于验证的指标是 MAPE。以下是模型参数

示例输出如下所示

我的问题是，在每个时期我看到平均绝对百分比误差和验证平均绝对百分比误差。后者似乎低于我的预期，为什么平均绝对百分比误差如此不同并且远高于验证平均绝对百分比误差？

另外，为什么验证平均绝对百分比误差波动如此之大？

感谢任何输入。