x1和x2表示输入信号， y表示输出信号。x1和x2是与非门和或门的输入，而与非门和或门的输出则是与门的输入。叠加了多层的感知机也称为多层感知机（multi-layered perceptron）。上图感知机总共由3层构成，但是因为拥有权重的层实质上只有2层（第0层和第1层之间，第1层和第2层之间），所以称为“2层感知机”。不过，有的文献认为上图的感知机是由3层构成的，因而将其称为“3层感知机”过

曲线可帮助根据业务需求选择合适的阈值 —— 例如，在 “不允许误报” 的场景（如危险品检测），可选择曲线中精确率接近 1 的高阈值；简单来说，普通混淆矩阵看 “具体错了多少个”，归一化混淆矩阵看 “错了多大比例”，两者结合能全面评估模型的类别预测能力（如 YOLO 检测时 “把汽车错判为卡车” 的数量和比例）。图中通常以矩阵或热力图形式呈现，横轴和纵轴均为数据集中的类别（如 “猫”“狗”“汽车”

输入特征数。因为 Fashion-MNIST 数据集的图像是 28×28 像素的灰度图，展平后为 784 个特征（28×28=784）。：输出类别数。Fashion-MNIST 有 10 个衣物类别，因此输出层需要 10 个神经元。：隐藏层神经元数量。这里定义隐藏层有 256 个神经元，是一个超参数。# 第一层（输入层→隐藏层）的权重和偏置# 第二层（隐藏层→输出层）的权重和偏置：PyTorch