网络1:
class net1(nn.Module):
def __init__(self):
super(net1, self).__init__()
self.f1 = nn.Linear(6,6)
self.f2 = nn.Linear(6,6)
self.f3 = nn.Linear(6,6)
self.net2=net2()
def forward(self,x):
x=self.f1(x)
x=self.f2(x)
x=self.net2(x)
x=self.f3(x)
return x
网络2:
class net2(nn.Module):
def __init__(self):
super(net2, self).__init__()
self.f1 = nn.Linear(6, 6)
self.f2 = nn.Linear(6, 6)
self.f3 = nn.Linear(6, 6)
def forward(self, x):
x = self.f1(x)
x = self.f2(x)
x = self.f3(x)
return x
测试:
if __name__ == '__main__':
tudui=net1()
input=torch.ones(64,6)
output=tudui(input)
print(output.shape)
本文介绍了两个神经网络类net1和net2,它们都包含三个线性层。net2是net1的简化版本,没有嵌套的net2实例。测试部分展示了如何创建net1对象并处理输入数据以获取输出形状。
2416

被折叠的 条评论
为什么被折叠?



