Pytorch中什么时候调用forward()函数

最新推荐文章于 2025-04-11 19:46:45 发布

good good study

最新推荐文章于 2025-04-11 19:46:45 发布

阅读量1w

点赞数 21

分类专栏：深度学习文章标签： Pytorch 深度学习

本文链接：https://blog.youkuaiyun.com/weixin_39454351/article/details/106419293

版权

Module类是nn模块里提供的一个模型构造类，是所有神经网络模块的基类，我们可以继承它来定义我们想要的模型。下面继承Module类构造本节开头提到的多层感知机。这里定义的MLP类重载了Module类的__init__函数和forward函数。它们分别用于创建模型参数和定义前向计算。前向计算也即正向传播。

import torch
from torch import nn

class MLP(nn.Module):
    # 声明带有模型参数的层，这里声明了两个全连接层
    def __init__(self, **kwargs):
        # 调用MLP父类Module的构造函数来进行必要的初始化。这样在构造实例时还可以指定其他函数
        # 参数，如“模型参数的访问、初始化和共享”一节将介绍的模型参数params
        super(MLP, self).__init__(**kwargs)
        self.hidden = nn.Linear(784, 256) # 隐藏层
        self.act = nn.ReLU()
        self.output = nn.Linear(256, 10)  # 输出层


    # 定义模型的前向计算，即如何根据输入x计算返回所需要的模型输出
    def forward(self, x):
        a = self.act(self.hidden(x))
        return self.output(a)




X = torch.rand(2, 784)
net = MLP()
print(net)
net(X)

输出：

MLP( (hidden): Linear(in_features