多层感知机的输入输出和隐藏层代码

多层感知机（Multilayer Perceptron，MLP）是一种前馈神经网络，它包含多个全连接的隐藏层和一个输出层。下面是多层感知机的输入、输出和隐藏层的代码示例：

# 输入层
input_size = 784   # 输入的特征数
x = torch.randn(1, input_size)   # 生成一个随机输入

# 隐藏层
hidden_size = 128   # 隐藏层的神经元数
hidden_layer = nn.Linear(input_size, hidden_size)   # 线性变换
hidden_activation = nn.ReLU()   # 激活函数
hidden_output = hidden_activation(hidden_layer(x))   # 计算隐藏层的输出

# 输出层
output_size = 10   # 输出的类别数
output_layer = nn.Linear(hidden_size, output_size)   # 线性变换
output_activation = nn.Softmax(dim=1)   # 激活函数
output = output_activation(output_layer(hidden_output))   # 计算输出层的输出

上面的代码使用 PyTorch 实现了一个包含一个隐含层的 MLP。其中，输入层有 784 个神经元，输出层有 10 个神经元，隐藏层有 128 个神经元。在隐藏层中，我们首先对输入进行线性变换，然后使用 ReLU 激活函数计算输出。在输出层中，我们同样进行线性变换，但使用 softmax 激活函数计算输出。