使用MLP分类器时，如何控制神经网络的拓扑结构？

Question

我试图实现一个3输入逻辑门美国神经网络使用MLPClassizer。我想定制神经网络的拓扑结构，这样每个神经元的输入不超过2个。（默认情况下，所有输入都连接到所有神经元） 为此，我试图将权重矩阵（.coefs_）的几个组件设置为0，这样就不会创建任何连接（请参见下面的代码），但我没有成功。 你知道怎么做对吗

from sklearn.neural_network import MLPClassifier
X = [[0.,0.,0.], [0.,0.,1.], [0.,1.,0.], [0.,1.,1.],[1.,0.,0.], [1.,0.,1.], [1.,1.,0.], [1.,1.,1.]]
y = [1, 0, 0, 1, 0, 1, 0, 1]
clf = MLPClassifier(alpha=1e-5, random_state=21, activation='logistic', solver='lbfgs',hidden_layer_sizes=(2),tol=0.0001,max_iter=100)
#clf.coefs_[0][2][1]=0   # Not working 
clf.fit(X, y)
clf.coefs_

Answer 1

Scikit learn不是适合这项工作的工具。Tensorflow或PyTorch等深度学习框架允许您创建自定义神经网络架构