PyTorch深度学习笔记（十二）神经网络的基本骨架nn.Module的使用

最新推荐文章于 2024-11-11 17:15:27 发布

小于同学饿了

最新推荐文章于 2024-11-11 17:15:27 发布

阅读量349

点赞数 1

分类专栏： PyTorch 文章标签：深度学习 python 神经网络

本文为博主原创文章，未经博主允许不得用于商业用途，转载请注明出处，否则保留追究法律责任的权利。

本文链接：https://blog.youkuaiyun.com/weixin_44227733/article/details/122968598

版权

PyTorch 专栏收录该内容

20 篇文章

订阅专栏

本文介绍了PyTorch中用于构建神经网络的torch.nn模块，重点讲解了Module作为容器的作用以及如何创建自定义的简单神经网络层。通过一个简单的Jiaolong类示例展示了如何定义一个前向传播过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

课程学习笔记，课程链接

一、torch.nn简介

搭建神经网络常用的工具在 torch.nn 模块，官网

Containers 中文翻译为容器，但这里可以理解为骨架，往这个骨架中添加一些内容就可以构成一个神经网络。

Convolution Layers、Pooling Layers、Paading Layers 都是要添加进网络的各层。

Containers 中 Module 是最常用的，它是所有神经网络的基本类，给所有神经网络提供基本的骨架。

二、简单示例

import torch
from torch import nn

class Jiaolong(nn.Module):
    # Alt+insert 可重写方法或实现方法（Windows）
    def __init__(self) -> None:
        super().__init__()

    def forward(self, input):
        output = input + 1
        return output
jiaolong = Jiaolong()
x = torch.tensor(1.0)  # 将 1.0 这个数转换成 tensor 数据类型
output = jiaolong(x)
print(output)