莫烦PyTorch学习笔记(四)——快速搭建法

最新推荐文章于 2025-09-22 23:37:22 发布

原创最新推荐文章于 2025-09-22 23:37:22 发布 · 1.1k 阅读

1 ·

CC 4.0 BY-SA版权

PyTorch 专栏收录该内容

13 篇文章

订阅专栏

本文介绍使用PyTorch两种不同的方法来搭建神经网络：一种是通过定义类的方式来创建网络结构；另一种是利用torch.nn.Sequential快速搭建网络。两种方法各有优势，前者适合于构建更加复杂的个性化网络，后者则适用于构建简单的网络。

这里写图片描述

本文主要是用PyTorch来实现另一种快速搭建神经网络的方法。
编辑器：spyder

1.用类构建神经网络

class Net(torch.nn.Module):
    def __init__(self, n_feature, n_hidden, n_output):
        super(Net, self).__init__()
        self.hidden = torch.nn.Linear(n_feature, n_hidden)
        self.predict = torch.nn.Linear(n_hidden, n_output)

    def forward(self, x):
        x = F.relu(self.hidden(x))
        x = self.predict(x)
        return x

net1 = Net(1, 10, 1)   # 这是我们用这种方式搭建的 net1

2.快速搭建

net2 = torch.nn.Sequential(
    torch.nn.Linear(1, 10),
    torch.nn.ReLU(),
    torch.nn.Linear(10, 1)
)

3.结构对比

print(net1)
"""
Net (
  (hidden): Linear (1 -> 10)
  (predict): Linear (10 -> 1)
)
"""
print(net2)
"""
Sequential (
  (0): Linear (1 -> 10)
  (1): ReLU ()
  (2): Linear (10 -> 1)
)
"""

可以看到第一种方式每一层都有名字，这是因为我们用self指针给其添加了名称，将其作为了成员变量。而第二种方式比第一种多了一个ReLU层，是因为它调用的是torch.nn.ReLU()的方式构建的，这里的relu是大写，表明它是一个类，视作一个独立的层。而第一种方法中调用的是torch.nn.functional，它类似于python中通过def定义的普通函数，只是执行了数学运算，不能视作独立的层。在构建个性化网络时，我们还是推荐第一种方式，第二种方式更适合用于构建一些简单的网络。