我正在尝试构建一个简单的2层网络，它有2个输入和1个输出，代码如下：

num_input = 2num_output = 1# Inputx1 = torch.rand(1, 2)# WeightsW1 = torch.rand(2,3)W2 = torch.rand(3,1)# biasesb1 = torch.rand(1,3)b2 = torch.rand(1,1)# Activation functiondef f(inp):    inp[inp >= 0] = 1    inp[inp < 0] = 0    return inp# Predict outputout = f(torch.mm(x1, W1) + b1)y=W2*out +b2print(y)# Check solutionassert list(y.size()) == [1, num_output], f"Incorrect output size ({y.size()})"print("nice!")

从这段代码中，我总是得到错误的输出大小，有人能给我一些提示吗，我怎样才能得到正确的输出大小？

回答：

y=out@W2 +b2

你之前进行的是逐元素乘法，这并没有如你所愿改变输出的尺寸。

需要明确的是，python 3.5及以上版本可以使用这个”@”语法 – 它与torch.mm()做的是同样的事情 – 即矩阵乘法。

尺寸：（现在）

现在你有(1,2)的输入乘以(2,3)的权重，并加上(1,3)的偏置。形状是(1,3)，然后你用(1,3)和(3,1)进行矩阵乘法，输出是(1,1)，再加上偏置，使最终输出大小为(1,1)。

尺寸（之前）

附注：

你也可以使用nn.Linear来轻松执行所有这些操作，而无需像那样指定权重和偏置。