torch.nn模块

torch.nn模块是PyTorch中用于构建神经网络的核心模块，包含了各种不同类型的层（如全连接层、卷积层、池化层）、损失函数、优化器等。下面介绍torch.nn中常用的一些类和函数：

1. nn.module：所有神经网络层的基类，定义了神经网络中前向传播和反向传播需要的方法
2. 各种常用的层：

• nn.Linear(in_features, out_features)：全连接层
• nn.Conv2d(in_channels, out_channels, kernel_size)：二维卷积层
• nn.MaxPool2d(kernel_size)：二位最大池化层
• nn.Dropout( p)：随机失活层，可以在训练时减少过拟合

3. 各种常用的激活函数：

• nn.ReLU()
• nn.Sigmoid()
• nn.Tanh()

4. 损失函数：

• nn.CrossEntropyLoss()：交叉熵损失函数，通常用于分类问题
• nn.MSELoss()：均方差损失函数，通常用于回归问题

5. 优化器：

• torch.optim.SDG()：随机梯度下降优化器
• torch.optim.Adam()