ComplexNN 项目教程

最新推荐文章于 2025-06-09 20:18:37 发布

左唯妃Stan

最新推荐文章于 2025-06-09 20:18:37 发布

阅读量681

点赞数 22

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/gitblog_00511/article/details/142190320

ComplexNN 项目教程

ComplexNN A toolbox for using complex valued standard network modules in PyTorch. 项目地址: https://gitcode.com/gh_mirrors/co/ComplexNN

1. 项目介绍

ComplexNN 是一个基于 PyTorch 的开源项目，旨在提供复数形式的神经网络模块。与传统的实值神经网络不同，ComplexNN 允许网络中的权重、激活函数以及输入和输出都采用复数形式。这种复数形式不仅减少了参数数量，还优化了梯度计算，使得训练过程更加高效。

ComplexNN 提供了复数形式的标准模块，如卷积层、全连接层、批归一化层等，且这些模块的参数和调用方式与 PyTorch 框架一致，无需额外的学习成本。

2. 项目快速启动

安装

首先，确保你已经安装了 PyTorch。然后，你可以通过 pip 安装 ComplexNN：

pip install complexNN

示例代码

以下是一个简单的示例，展示如何使用 ComplexNN 构建一个复数卷积神经网络：

import torch
from complexNN.nn import cConv2d, cLinear

# 定义一个简单的复数卷积神经网络
class SimpleComplexCNN(torch.nn.Module):
    def __init__(self):
        super(SimpleComplexCNN, self).__init__()
        self.conv1 = cConv2d(1, 16, kernel_size=3, padding=1)
        self.fc1 = cLinear(16 * 28 * 28, 10)

    def forward(self, x):
        x = self.conv1(x)
        x = torch.flatten(x, 1)
        x = self.fc1(x)
        return x

# 创建模型实例
model = SimpleComplexCNN()

# 创建输入数据
input_tensor = torch.rand((1, 1, 28, 28), dtype=torch.cfloat)

# 前向传播
output = model(input_tensor)
print(output.shape)