Pytorch学习笔记——线性层和非线性层的使用

1. 前言

在深度学习中，线性层和非线性层是构建神经网络的基本单元。本文将通过PyTorch实现一个简单的网络，详细讲解线性层与非线性层的使用和区别。

2. 导入必要的库

首先，我们需要导入PyTorch以及一些常用的模块：

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

3. 加载数据集

使用torchvision加载CIFAR-10数据集，并将其转换为Tensor格式。

dataset = torchvision.datasets.CIFAR10(root="data1", train=False, transform=torchvision.transforms.ToTensor(), download=True)
dataloader = DataLoader(dataset, batch_size=64, drop_last=True)

• root="data1"：数据存储路径。
• train=False：加载测