本文主要是介绍深度学习pytorch——感知机（Perceptron）（持续更新），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
什么是感知机？
感知机是由美国学者FrankRosenblatt在1957年提出来的。感知机是作为神经网络（深度学习）的起源的算法。因此，学习感知机的构造也就是学习通向神经网络和深度学习的一种重要思想。
感知机接收多个输入信号，输出一个信号。这里所说的“信号”可以想象成电流或河流那样具备“流动性”的东西。像电流流过导线，向前方输送电子一样，感知机的信号也会形成流，向前方输送信息。但是，和实际的电流不同的是，感知机的信号只有“流/不流”（1/0）两种取值。这里我们认为0对应“不传递信号”， 1对应“传递信号”。参考：深度学习——感知机（perceptron）图文详解_感知机的运作原理是逻辑判断流程-CSDN博客
单层感知机
首先一下图说明一下每个下标的命名规则：
感知机模型：
最后的结果：
代码演示：
多层感知机
多层感知机模型，我们选择一条线来求其导数，即蓝绿色的那条线，其求解过程与单层感知机相似，如果单层感知机弄明白了，很简单就能看懂单层感知机的求解过程。
最后的结果：
最后的结果只与此前输入结点有关和与之对应的输出有关，即与此条线上的点有关。
代码演示：
这篇关于深度学习pytorch——感知机（Perceptron）（持续更新）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
