PyTorch学习笔记二

一、torch.nn.Module

        所有搭建的神经网络都应该以这个为父类，下面是官方给的源代码

import torch.nn as nn
import torch.nn.functional as F

class Model(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(1, 20, 5)
        self.conv2 = nn.Conv2d(20, 20, 5)

    def forward(self, x):
        x = F.relu(self.conv1(x))
        return F.relu(self.conv2(x))

        手动搭建一个神经网络，实现输入×2，重写__init__、forward方法

import torch
from torch import nn


class Fnn(nn.Module):

    def __init__(self):
        super().__init__()

    # 集成的nn.Module中__call__方法的实现，传入参数直接调用
    def forward(self, x):
        y = x*2
        return y


fnn = Fnn()
a = torch.tensor(1.0)
b = fnn(a)
print(b)

二.神经网络结构分析

      ✅卷积层：

        作用：提取图像特征。下面是PyTorch官网给出torch.nn.functional的卷积函数的参数

input：输入图像，默认四维

weight：权重，也就是卷积核。默认四维

bias：偏置

stride：步长，即卷积核每次移动的距离

padding：填充（默认0填充），默认不填充