神经网络的搭建

模块Module

为所有神经网络提供基本类

继承nn.Module类

1.初始化函数

2.前向传播函数(x先进性一个卷积1，在进行relu激活函数非线性处理。再进行一个卷积一个非线性处理）

搭建神经网络

#神经网络的搭建
import torch
from torch import nn

class Tudui(nn.Module):    #创建类(继承)
    def __init__(self):    #重写两个方法
        super(Tudui,self).__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))

    def forward(self,input):    #举例简单的forward函数
        output = input + 1
        return output
    
tudui =Tudui()
x = torch,tensor(1.0)
output = tudui(x)
print(output)

#卷积层convolution layers
#nn.conv2d   二维的(图片)
import torch
import torch.nn.functional as F

input = torch.tensor([[1,2,0,3,1],
                      [0,1,2,3,1],
                      [1,2,1,0,0],
                      [5,2,3,1,1],
                      [2,1,0,1,1]])

kernel = torch.tensor([[1,2,1],
                       [0,1,0],
                       [2,1,0]])



#调整尺寸
input = torch.reshape(input,(1,1,5,5))   #bitch_size =1,1通道。5×5
kernel = torch.reshape(kernel,(1,1,3,3)) 

print(input.shape)      #输入是5x5,卷积核是3x3
print(kernel.shape)     #改变尺寸前不满足要求(要求四个数字的尺寸)

#输出
#torch.Size([1, 1, 5, 5])
#torch.Size([1, 1, 3, 3])


output = F.conv2d(input,kernel,stride = 1)
print(output)

输出：

torch.Size([1, 1, 5, 5])
torch.Size([1, 1, 3, 3])
tensor([[[[10, 12, 12],

          [18, 16, 16],
          [13,  9,  3]]]])

 改变步长为2