【学习系列5】Pytorch API的使用

目录

1. Pytorch完成模型常用API

1.1 nn .Module

1.2 优化类

1.3 损失函数

1.4 Pytorch线性回归的实现 

2. 使用GPU训练模型

---

1. Pytorch完成模型常用API

1.1 nn .Module

nn.Modul 是torch.nn提供的一个类，是pytorch中我们自定义网络的一个基类，在这个类中定义了很多有用的方法，让我们在继承这个类定义网络的时候非常简单
当我们自定义网络的时候，有两个方法需要特别注意:

1. _init_需要调用super方法，继承父类的属性和方法
2. farward方法必须实现，用来定义我们的网络的向前计算的过程

用前面的y=wx+b的模型举例如下:

from torch import nn


class Lr(nn.Module):
    def __init__(self):
        super().__init__()
        self.linear = nn.Linear(1, 1)

    def forward(self, x):
        out = self.linear(x)
        return out

注意：

1.nn.Linear为torch预定义好的线性模型，也被称为全链接层，传入的参数为输入的数量，输出的数量(in_features,out features)是不算(batch_size的列数)

2nn.Modue定义了_call_方法，实现的就是调用forward方法，即Lr的实例，能够直按被传入参数调用，实际上调用的是forward方法并传入参数

#实例化模型
model = Lr()
# 传入数据，计算结果
predict = model(x)