学习地址

PyTorch深度学习快速入门教程【小土堆】.

主要内容

一、torch.nn模块概述
概述：帮助程序员方便执行与神经网络相关的行为。
二、nn.Module类的使用
概述：所有神经网络模块的基类，既可以表示神经网络中的某个层(layer)，也可以表示一个包含很多层的神经网络。

一、torch.nn模块概述

from torch import nn

概述：nn是Neural Network的简称，帮助程序员方便执行如下的与神经网络相关的行为：

（1）创建神经网络

（2）训练神经网络

（3）保存神经网络

（4）恢复神经网络

nn文件夹结构：

二、nn.Module类的使用

概述：所有神经网络模块的基类，既可以表示神经网络中的某个层(layer)，也可以表示一个包含很多层的神经网络。

1.使用说明

【继承】官方示例:

import torch.nn as nn
import torch.nn.functional as F

class Model(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(1, 20, 5)
        self.conv2 = nn.Conv2d(20, 20, 5)
      
    # 前向传播，继承 nn.Module 必需被重写的函数，
    # 否则使用 object(x) 实现会报错
    def forward(self, x):
        x = F.relu(self.conv1(x))
        return F.relu(self.conv2(x))

前向传播：

注：relu是激活函数，小于0就是0，大于0就是本身。

2.代码实现

import torch
from torch import nn


class Model(nn.Module):
    def __init__(self) -> None:
        super().__init__()

    # 前向传播，继承 nn.Module 必需被重写的函数，
    # 否则使用 object(x) 实现会报错
    def forward(self, input):
        output = input + 1
        return output


nn_model = Model()  # 创建一个实例化
x = torch.tensor(1.0)  # 将1.0这个数转换为tensor数据类型
output = nn_model(x)  # nn.Module 的__call__()调用了forward()
print(output)  # tensor(2.)

控制台输出：

tensor(2.)