一、torch.nn简介

官网地址：

torch.nn — PyTorch 2.0 documentation

1. torch.nn中的函数简介

• Containers：神经网络的骨架

• Convolution Layers：卷积层

• Pooling layers：池化层

• Padding Layers：Padding

• Non-linear Activations：非线性激活

• Normalization Layers：正则化层

还有其他函数，详情可以看官方文档。以上这些函数构成了神经网络的基本操作。

2. torch.nn中Containers函数的介绍

Containers一共有六个模块：

• Module：对于所有神经网络提供一个基本的骨架，一般定义一个神经网络用如下代码。其中，_Model_代表模型的名称，_nn.Module_就是继承了这个类的模板。然后我们先用__init__初始化，其中super(Model,self).__init__()指的是对父类进行初始化，后面的部分是根据自己构建的神经网络个性化定制的。之后我们使用forword函数对输入数据进行计算，也可以这么理解：对于一个神经网络，首先输入数据–>使用forword函数计算数据–>输出数据，这个过程也叫前向传播。

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)

    def forward(self, x):
        x = F.relu(self.conv1(x))
        return F.relu(self.conv2(x))

• Sequential

• ModuleList

• ModuleDict

• ParameterList

• ParameterDict

二、实操nn.Module

1. 构建一个简单的神经网络

• 一些小技巧：在写__init__的super函数时，pycharm点击下面这个按钮就可以自动补全：
  

• 下面构建一个很简单的神经网络，具体作用就是把输入数据+1然后返回，之后调用这个神经网络：

from torch import nn
import torch

#构建一个叫Demo的神经网络
class Demo(nn.Module):
    def __init__(self):
        super().__init__()

    def forward(self,input):
        output=input+1  #对输入神经网络的数据+1，然后返回
        return output

#调用神经网络
demo=Demo()
x=torch.tensor(1.0)  #输入神经网络的数据
output=demo(x)
print(output)  #输出神经网络的数据

[Run] tensor(2.)

2. 神经网络运行过程

为了更好地说明上面代码的运行过程，把debug打到第14行的demo=Demo()代码上，并点击_Step into My Code_：

之后一直点击_Step into My Code_，就可以看到代码的运行过程如下：

• 在调用demo=Demo()后，首先使用super().__init__()对\(nn.Module\)进行初始化

• 然后设定输入值x，并使用demo(x)将该值传入到forword函数中

• forword函数将该值进行_加一_，并返回output

• 最后将返回的output输出

最后的最后

感谢你们的阅读和喜欢，我收藏了很多技术干货，可以共享给喜欢我文章的朋友们，如果你肯花时间沉下心去学习，它们一定能帮到你。

因为这个行业不同于其他行业，知识体系实在是过于庞大，知识更新也非常快。作为一个普通人，无法全部学完，所以我们在提升技术的时候，首先需要明确一个目标，然后制定好完整的计划，同时找到好的学习方法，这样才能更快的提升自己。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

五、面试资料

我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】