单层的感知机结构可写成以下公式：
y=XW+b(y = Σxi*wi+b)
这里单层感知机的激活函数改成使用现代化的sigmoid激活函数
# 定义网络结构 x=tf.random.normal([1,3]) w=tf.ones([3,1]) b=tf.ones([1]) y = tf.constant([1]) with tf.GradientTape() as tape: tape.watch([w, b]) logits = tf.sigmoid(x@w+b) loss = tf.reduce_mean(tf.losses.MSE(y, logits)) grads = tape.gradient(loss, [w, b]) print(‘w grad:‘, grads[0]) print(‘b grad:‘, grads[1])
原文：https://www.cnblogs.com/zdm-code/p/12239217.html