每天讲解一点PyTorch 【14】模型定义，继承nn.Module

最新推荐文章于 2025-04-01 22:43:52 发布

cv.exp

最新推荐文章于 2025-04-01 22:43:52 发布

阅读量2k

点赞数

分类专栏： Deep Learning 文章标签： pytorch 人工智能 python

本文链接：https://blog.youkuaiyun.com/forest_world/article/details/121327118

版权

Deep Learning 专栏收录该内容

172 篇文章

订阅专栏

本文介绍了如何在PyTorch中定义和实现一个神经网络模型。首先，我们创建了一个名为Dec的类，它继承自nn.Module，并实现了__init__和forward方法。在__init__中，进行了初始化操作，包括父类的初始化和定义网络层。forward方法定义了前向传播过程。此外，还展示了如何进行权重初始化以及如何实例化和使用模型。最后，我们预告了下节课将探讨如何利用nn.Sequential来构建模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

今天我们讲解class的定义和实现：

class Dec(nn.Module):#继承nn.Module类
    def __init__(self, ***, ***):#构建模块
        super(Dec, self).__init__()#父类初始化
        self.***= ***
        self.***= ***
        
    def forward(self, x, ***):#组装
        x = ***
        return self.***(x)
        
    def initialize_weights(self):#权值初始化
        ***

net = Dec()#实例化
outputs = net(inputs)

torch.nn.Module
torch.nn

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))