PyTorch学习笔记（10）--搭建简单的神经网络以及Sequential的使用

PyTorch学习笔记（10）–搭建简单的神经网络以及Sequential的使用

    本博文是PyTorch的学习笔记，第10次内容记录，主要搭建一个简单的神经网络，并介绍Sequential的使用。

1.Sequential是什么

    Sequential是一个时序容器。Modules 会以他们传入的顺序被添加到容器中。包含在PyTorch官网中torch.nn模块中的Containers中，在神经网络搭建的过程中如果使用Sequential，代码更简洁。

2.Sequential使用

2.1一个简单神经网络的搭建

    现以下列神经网络的搭建为例，输入图像是3通道的32×32的，先后经过卷积层(5×5的卷积核)、最大池化层(2×2的池化核)、卷积层(5×5的卷积核)、最大池化层(2×2的池化核)、卷积层(5×5的卷积核)、最大池化层(2×2的池化核)、拉直、全连接层的处理，最后输出的大小为10。

    搭建上述神经网络的具体代码如下：

# coding ：UTF-8
# 文件功能： 代码实现搭建神经网络，并结合Sequential的使用
# 开发人员： dpp
# 开发时间： 2021/8/17 11:31 下午
# 文件名称： nn_sequential.py
# 开发工具： PyCharm
import torch
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear


class Test(nn.Module):
    def __init__(self):
        super(Test, self).__init__()
        self.conv1 = Conv2d(in_channels=3, out_channels=32, kernel_size=5, padding=2)
        self.maxpool1 = MaxPool2d(kernel_size=2)
        self.conv2 = Conv2d(in_channels=32, out_channels=32, kernel_size=5, padding=2)
        self.maxpool2 = MaxPool2d(kernel_size=2)
        self.conv3 = Conv2d(in_channels=32, out_channels=64, kernel_size=5, padding=2)
        self.maxpool3 = MaxPool2d(kernel_size=2)
        self.flatten = Flatten()
        self.linear1 = Linear(102