nn.Sequential、nn.Linear、nn.ReLU()函数

最新推荐文章于 2025-11-02 09:26:17 发布

原创

最新推荐文章于 2025-11-02 09:26:17 发布 · 4.9k 阅读

25 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch

本文介绍了PyTorch中的三个常用函数。nn.Sequential函数可按顺序组合多个神经网络层，构建模型；nn.Linear函数是线性层类，用于线性变换；nn.ReLU()函数是激活函数层，引入非线性性质。还给出了各函数的用法示例及相关参数解释。

nn.Sequential 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。

本文主要包括以下内容：

（1）nn.Sequential函数
（2）nn.Linear函数
（3）nn.ReLU()函数

（1）nn.Sequential函数

以下是 nn.Sequential 函数的用法示例：

import torch.nn as nn

# 创建一个简单的神经网络模型
model = nn.Sequential(
    nn.Linear(64, 128),  # 添加一个线性层，输入特征数为64，输出特征数为128
    nn.ReLU(),           # 添加一个ReLU激活函数层
    nn.Linear(128, 64),  # 添加一个线性层，输入特征数为128，输出特征数为64