PyTorch-Sequential网络快速搭建法

关注

原创最新推荐文章于 2025-12-27 15:29:29 发布 820 阅读 AI 写同款· GEO 优化 ›

nn.Sequential、nn.Linear、nn.ReLU()函数是 PyTorch 中的一个容器模块，用于按照顺序组合多个神经网络层（如线性层、激活函数、池化层等）。这个容器允许你将各种层按照指定的顺序串联在一起，构建一个神经网络模型。nn.Sequential() 可以允许将整个容器视为单个模块（即相当于把多个模块封装成一个模块），forward()方法接收输入之后，nn.Sequential()按照内部模块的顺序自动依次计算并输出结果。阅读详情

PyTorch-Sequential网络快速搭建法

硬件：NVIDIA-GTX1080

软件：Windows7、python3.6.5、pytorch-gpu-0.4.1

一、基础知识

1、torch.nn.Sequential()方法与class Net方法有相同功效，且Sequential方法更简单明了！

2、以Linear关系分类为例（https://blog.youkuaiyun.com/samylee/article/details/90719918）

二、代码展示

class Net(torch.nn.Module):  # 继承 torch 的 Module
    def __init__(self, n_feature, n_hidden, n_output):
        super(Net, self).__init__()     # 继承 Module 的 __init__ 功能
        # 定义每层用什么样的形式
        self.hidden = torch.nn.Linear(n_feature, n_hidden)   # 隐藏层线性输出, type(hidden) = torch.nn.modules.linear.Linear(一个类)
        self.output = torch.nn.Linear(n_hidden, n_output)   # 输出层线性输出, type(predict) = torch.nn.modules.linear.Linear(一个类)
 
    def forward(self, x):   # 这同时也是 Module 中的 forward 功能
        # 正向传播输入值, 神经网络分析出输出值
        x = Func.relu(self.hidden(x))      # 激励函数(隐藏层的线性值) self.hidden.forward(x), 其中forward被隐藏，因为使用了继承，父类中有@内置
        x = self.output(x)             # 输出值 self.predict.forward(x), 其中forward被隐藏
        return x
        
#net = Net(n_feature=2, n_hidden=10, n_output=2)
        
net = torch.nn.Sequential(
    torch.nn.Linear(2, 10),
    torch.nn.ReLU(),
    torch.nn.Linear(10, 2)
)
 
# print(net)  # net 的结构

三、参考：

https://morvanzhou.github.io/

任何问题请加唯一QQ2258205918（名称samylee）！

或唯一VX：samylee_csdn

收录于