Pytorch入门学习笔记（三）—— 神经网络

最新推荐文章于 2025-12-15 10:12:17 发布

原创最新推荐文章于 2025-12-15 10:12:17 发布 · 1.8k 阅读

44 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #学习 #笔记

本文通过小土堆的教程，介绍了如何使用PyTorch构建基础深度学习模型，包括Module和Sequential类的使用、卷积层(Conv2d)、池化层(MaxPool2d)、非线性激活ReLU和Sigmoid，以及线性层(Linear)的应用，最后以CIFAR10数据集为例，展示了如何搭建一个简单的神经网络模型。

部署运行你感兴趣的模型镜像

本文结合小土堆的教学视频PyTorch深度学习快速入门教程进行学习

一、基本骨架 Containers

1. torch.nn.Module

Module 类是所有神经网络模块的基类，还可以包含其他模块，允许他们嵌套在树状结构中。

当继承 Module 父类时，需要调用 __init__() 函数进行初始化处理，并且在该函数中必须调用父类的初始化函数。同时还可以调用 forward() 函数进行前向传播。

具体代码实现如下

import torch

# 继承Module模块，创建一个属于自己的类
class Model(torch.nn.Module):

    # 类的初始化
    def __init__(self):
        super().__init__()

    # 调用forward函数
    def forward(self, input):
        output = input + 1
        return output

model = Model()
x = torch.tensor(1.0)
output = model(x)
print(output)

程序运行结果输出 tensor(2.)

2.torch.nn.Sequential

Sequential 类继承自Module 类，是一个有顺序的容器，将特定神经网络模块按照在传入容器的顺序依次执行

具体代码实现如下

from torch import nn

# 创建Sequential实例
model = nn.Sequential(
          nn.Conv2d(1,20,5),    # 第一次卷积操作
          nn.ReLU(),            # 第一次非线性激活
          nn.Conv2d(20,64,5),   # 第二次卷积操作
          nn.ReLU()             # 第二次非线性激活
        )
print(model)

程序运行结果如下

Sequential(
  (0): Conv2d(1, 20, kernel_size=(5, 5), stride=(1, 1))
  (1): ReLU()
  (2): Conv2d(20, 64, kernel_size=(5, 5), stride=(1, 1))
  (3): ReLU()
)

二、卷积层 Convolution Layers

功能实现：提取输入图像中的特征信息

Conv2d：对二维数据进行卷积层的处理

1. torch.nn.functional.conv2d

函数定义：

torch.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1)

参数含义：input 表示传入要进行处理的图像数据； weight 表示权重，即卷积核；bias 表示形状的可选偏置张量，默认值为 None； stride 表示卷积的步幅，默认值为1； padding 表示图像边沿填充的数目，默认值为0

具体代码实现如下

import torch
import torch.nn.functional as F
# 输入矩阵
input = torch.tensor([[1,2,0,3,1],
                      [0,1,2,3,1],
                      [1,2,1,0,0],
                      [5,2,3,1,1],
                      [2,1,0,1,1]])
# 卷积核
kernel = torch.tensor([[1,2,1],
                       [0,1,0],
                       [2,1,0]])
# 由于直接使用torch.tensor传入的数据只有2个尺寸形式,而conv2d的传参要求需要4个尺寸形式
# 对输入矩阵和卷积核的尺寸进行转变
input = torch.reshape(input,(1,1,5,5))
kernel = torch.reshape(kernel,(1,1,3,3))

# 输出卷积结果
output = F.conv2d(input,kernel,stride=1)            # 卷积核步长为1，边缘无填充
output2 = F.conv2d(input,kernel,stride=2)           # 卷积核步长为2，边缘无填充
output3 = F.conv2d(input,kernel,stride=1,padding=1) # 卷积核步长为1，边缘填充一圈
print(output)
print(output2)
print(output3)

程序运行结果如下

tensor([[[[10, 12, 12],
          [18, 16, 16],
          [13,  9,  3]]]])
tensor([[[[10, 12],
          [13,  3]]]])
tensor([[[[ 1,  3,  4, 10,  8],
          [ 5, 10, 12, 12,  6],
          [ 7, 18, 16, 16,  8],
          [11, 13,  9,  3,  4],
          [14, 13,  9,  7,  4]]]])

2. torch.nn.Conv2d

计算公式为 $out(N_i,C_{outj})=bias(C_{outj})+\sum_{k=0}^{C_{in}-1}weight(C_{outj},k) \times input(N_i,k)$

其中 N 是批量大小，C 表示多个通道，H 是输入平面的高度（以像素为单位），W 是宽度（以像素为单位）

函数定义：

torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)

参数含义： in_channels 表示输入图像中的通道数（通常为 RGB 3通道）； out_channels 表示经过卷积后输出图像的通道数； kernel_size 表示卷积核的大小，输入整数 size 表示大小为 size × size，输入序列 (h,w) 表示大小为 h × w； stride 表示卷积的步幅，默认值为1； padding 表示图像边沿填充的数目，默认值为0；padding_mode 表示边沿填充模式

具体代码实现如下

import torch
from torch import nn
from torch.nn import Conv2d
import torchvision
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter

# 准备并加载测试数据集
dataset = torchvision.datasets.CIFAR10("./dataset",train=False,transform=torchvision.transforms.ToTensor(),download=True)
dataloder = DataLoader(dataset,batch_size=64)

# 创建model类(继承Module)
class Model(nn.Module):
    # 类的初始化
    def __init__(self):
        super().__init__()    # 父类的初始化
        self.conv1 = Conv2d(in_channels=3,out_channels=6,kernel_size=3,stride=1,padding=0)  # 定义卷积层
    # forward函数
    def forward(self,x):
        x = self.conv1(x)    # 对输入进来的x进行卷积操作
        return x

model = Model() # 创建类的实例
step = 0
writer = SummaryWriter("logs")
# 通过for循环遍历数据集中的每个子集
for data in dataloder:
    imgs,targets = data
    output = model(imgs)    # 传入图片进行卷积操作
    writer.add_images("input",imgs,step)    # 显示输入图片
    output = torch.reshape(output,(-1,3,30,30)) # 转变输出图片尺寸(经过卷积之后图片变成30×30)
    # -1表示不清楚该值要设置为多少,系统会自动根据后面的值进行计算;3表示将图片转化为三通道
    writer.add_images("output",output,step) # 显示输出图片
    step += 1
writer.close()

将程序运行后，在终端输入 tensorboard --logdir=logs --port=6007 ，结果显示如下

三、池化层 Pooling Layers

功能实现：提取窗口的特征数据，保留输入的特征，减小需要计算的数据量

MaxPool2d：直接计算池化窗口内的原始数据，选择池化核覆盖的范围中的最大值

函数定义：

torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)

参数含义： kernel_size 表示池化核的窗口大小； stride 表示池化核窗口的步长（默认值为kernel_size）； padding 表示图像边沿填充的数目； ceil_mode 当值为 True 时，表示将使用 ceil 而不是 floor 来计算输出形状，即保存大小不足为kernel_size的数据，自动补足NAN至kernel_size大小，值为 False表示直接舍弃大小不足为 kernel_size 的数据

具体代码实现如下（矩阵数据）

import torch
from torch import nn
from torch.nn import MaxPool2d

# 输入矩阵
input = torch.tensor([[1,2,0,3,1],
                      [0,1,2,3,1],
                      [1,2,1,0,0],
                      [5,2,3,1,1],
                      [2,1,0,1,1]],dtype=torch.float32) # 转为浮点数的tensor类型
# 对输入矩阵的尺寸进行转变,因为MaxPool2d的传参要求需要4个尺寸形式
input = torch.reshape(input,(1,1,5,5))

class Model(nn.Module):
    def __init__(self):
        super().__init__()
        # 池化核大小为3×3,并保存大小不足为kernel_size的数据
        self.maxpool1 = MaxPool2d(kernel_size=3,ceil_mode=True)

    def forward(self,input):
        output = self.maxpool1(input)
        return output

model = Model()
output = model(input)
print(output)

程序运行结果如下

tensor([[[[2., 3.],
          [5., 1.]]]])

若将 ceil_mode 的值赋为 False，则程序运行结果为 tensor([[[[2.]]]])

在调试过程中出现了 RuntimeError: "max_pool2d" not implemented for 'Long' 的报错，是由于我们传入数据的类型不符合 long 型，故需要在传入数据后添加 dtype=torch.float32

具体代码实现如下（图像数据）

import torch
from torch import nn
from torch.nn import MaxPool2d
import torchvision
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter

# 准备并加载测试数据集
dataset = torchvision.datasets.CIFAR10("./dataset",train=False,transform=torchvision.transforms.ToTensor(),download=True)
dataloder = DataLoader(dataset,batch_size=64)

class Model(nn.Module):
    def __init__(self):
        super().__init__()
        # 池化核大小为3×3,并保存大小不足为kernel_size的数据
        self.maxpool1 = MaxPool2d(kernel_size=3,ceil_mode=True)

    def forward(self,input):
        output = self.maxpool1(input)
        return output

model = Model()
step = 0
writer = SummaryWriter("logs")
# 通过for循环遍历数据集中的每个子集
for data in dataloder:
    imgs,targets = data
    output = model(imgs)    # 传入图片进行池化操作
    writer.add_images("input",imgs,step)    # 显示输入图片
    writer.add_images("output",output,step) # 显示输出图片
    step += 1
writer.close()

将程序运行后，在终端输入 tensorboard --logdir=logs --port=6007 ，结果显示如下

四、非线性激活 Non-linear Activations

功能实现：向神经网络引入一些非线性的特质

1. torch.nn.ReLU

函数定义： torch.nn.ReLU(inplace=False)

参数含义： inplace 若设置为 True ，则函数会把输出结果覆盖到输入变量中（默认值为 False）

计算公式： $ReLU(x)=(x)^{+}=max(0,x)$

具体代码实现如下

import torch
from torch import nn
from torch.nn import ReLU

# 输入数据矩阵
input = torch.tensor([[1,-0.5],
                      [-1,3]])
input = torch.reshape(input,(-1,1,2,2))   # 转化数据尺寸

class Model(nn.Module):
    def __init__(self):
        super().__init__()
        self.relu1 = ReLU() # 定义非线性激活函数

    def forward(self,input):
        output = self.relu1(input)
        return output
    
model = Model()
output = model(input)
print(output)

程序运行结果如下

tensor([[[[1., 0.],
          [0., 3.]]]])

2. torch.nn.Sigmoid

函数定义： torch.nn.Sigmoid(*args, **kwargs)

计算公式： $Sigmoid(x)=\sigma(x)=\frac{1}{1+exp(-x)}$

具体代码实现如下

from torch import nn
from torch.nn import Sigmoid
import torchvision
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter

# 准备并加载测试数据集
dataset = torchvision.datasets.CIFAR10("./dataset",train=False,download=False,
                                       transform=torchvision.transforms.ToTensor())
dataloader = DataLoader(dataset,batch_size=64)

class Model(nn.Module):
    def __init__(self):
        super().__init__()
        self.sigmoid1 = Sigmoid() # 定义非线性激活函数

    def forward(self,input):
        output = self.sigmoid1(input)
        return output
    
model = Model()
step = 0
writer = SummaryWriter("logs")
for data in dataloader:
    imgs,targets = data
    writer.add_images("input",imgs,step)
    output = model(imgs)
    writer.add_images("output",output,step)
    step += 1
writer.close()

将程序运行后，在终端输入 tensorboard --logdir=logs --port=6007 ，结果显示如下

五、线性层 Linear Layers

功能实现：将前面计算得到的特征向量进行线性变换，转化成一维向量

函数定义： torch.nn.Linear(in_features, out_features, bias=True, device=None, dtype=None)

参数含义： in_features 表示每次输入样本的大小； out_features 表示每次输出样本的大小；bias 表示偏置量

具体代码实现如下

import torch
from torch import nn
from torch.nn import Linear
import torchvision
from torch.utils.data import DataLoader

# 准备并加载测试数据集
dataset = torchvision.datasets.CIFAR10("./dataset",train=False,transform=torchvision.transforms.ToTensor(),download=True)
dataloder = DataLoader(dataset,batch_size=64,drop_last=True)

class Model(nn.Module):
    def __init__(self):
        super().__init__()
        self.linear1 = Linear(196608,10)    # 将输入图片的大小196608转化为10
    def forward(self,x):
        x = self.linear1(x)
        return x

model = Model()
for data in dataloder:
    imgs,targets = data
    # output = torch.reshape(imgs,(1,1,1,-1))   # 将图片数据扁平化
    output = torch.flatten(imgs)    # 可以替代上面的reshape函数的功能
    print(output.shape)
    output = model(output)
    print(output.shape)

六、搭建神经网络模型小实战（结合 CIFAR10 模型）

CIFAR10 模型结构如下

具体实战代码实现如下

import torch
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential
from torch.utils.tensorboard import SummaryWriter


class Model(nn.Module):
    def __init__(self) -> None:
        super(Model,self).__init__()
        self.conv1 = Conv2d(3,32,5,padding=2)  # 第一次卷积
        self.maxpool1 = MaxPool2d(2)           # 第一次最大池化
        self.conv2 = Conv2d(32,32,5,padding=2) # 第二次卷积
        self.maxpool2 = MaxPool2d(2)           # 第二次最大池化
        self.conv3 = Conv2d(32,64,5,padding=2) # 第三次卷积
        self.maxpool3 = MaxPool2d(2)           # 第三次最大池化
        self.flatten = Flatten()               # 数据扁平化
        self.linear1 = Linear(1024,64)         # 第一次线性变换
        self.linear2 = Linear(64,10)           # 第二次线性变换

    def forward(self,x):
        x = self.conv1(x)
        x = self.maxpool1(x)
        x = self.conv2(x)
        x = self.maxpool2(x)
        x = self.conv3(x)
        x = self.maxpool3(x)
        x = self.flatten(x)
        x = self.linear1(x)
        x = self.linear2(x)
        return x

model = Model()
print(model)
input = torch.ones((64,3,32,32))    # 构建一个值全为1的矩阵
output = model(input)
print(output.shape)

writer = SummaryWriter("logs")
writer.add_graph(model,input)
writer.close()

程序运行结果如下

Model(
  (conv1): Conv2d(3, 32, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2))
  (maxpool1): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
  (conv2): Conv2d(32, 32, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2))
  (maxpool2): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
  (conv3): Conv2d(32, 64, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2))
  (maxpool3): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
  (flatten): Flatten(start_dim=1, end_dim=-1)
  (linear1): Linear(in_features=1024, out_features=64, bias=True)
  (linear2): Linear(in_features=64, out_features=10, bias=True)
)
torch.Size([64, 10])

具体代码实现如下（结合 Sequential 类）

import torch
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential
from torch.utils.tensorboard import SummaryWriter


class Model(nn.Module):
    def __init__(self) -> None:
        super(Model,self).__init__()
        self.model1 = Sequential(
            Conv2d(3,32,5,padding=2),
            MaxPool2d(2),
            Conv2d(32,32,5,padding=2),
            MaxPool2d(2),
            Conv2d(32,64,5,padding=2),
            MaxPool2d(2),
            Flatten(),
            Linear(1024,64),
            Linear(64,10)
        )

    def forward(self,x):
        x = self.model1(x)
        return x

model = Model()
print(model)
input = torch.ones((64,3,32,32))
output = model(input)
print(output.shape)

writer = SummaryWriter("logs")
writer.add_graph(model,input)
writer.close()

程序运行结果如下

Model(
  (model1): Sequential(
    (0): Conv2d(3, 32, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2))
    (1): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (2): Conv2d(32, 32, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2))
    (3): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (4): Conv2d(32, 64, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2))
    (5): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (6): Flatten(start_dim=1, end_dim=-1)
    (7): Linear(in_features=1024, out_features=64, bias=True)
    (8): Linear(in_features=64, out_features=10, bias=True)
  )
)
torch.Size([64, 10])

将程序运行后，在终端输入 tensorboard --logdir=logs --port=6007 ，结果显示如下

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch

Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

Pytorch入门学习笔记（三）—— 神经网络

一、 基本骨架 Containers

1. torch.nn.Module

2.torch.nn.Sequential

二、 卷积层 Convolution Layers

1. torch.nn.functional.conv2d

2. torch.nn.Conv2d

三、 池化层 Pooling Layers

四、 非线性激活 Non-linear Activations

1. torch.nn.ReLU

2. torch.nn.Sigmoid

五、 线性层 Linear Layers

六、 搭建神经网络模型小实战（结合 CIFAR10 模型）

一、基本骨架 Containers

二、卷积层 Convolution Layers

三、池化层 Pooling Layers

四、非线性激活 Non-linear Activations

五、线性层 Linear Layers

六、搭建神经网络模型小实战（结合 CIFAR10 模型）