Pytorch 容器 - 1. Module类介绍

目录

1. 基于Module构建自己的网络

2. Module的初始化变量

3. Modules中需要子类 forward()

4. Modules中其他内置函数

---

1. 基于Module构建自己的网络

torch.nn.Module是所有神经网络模块的基类，如何定义自已的网络：

• 由于 Module 是神经网络模块的基类，自己的模型应该要继承这个类
• 要实现 torch.nn.Module 中的forward函数，从而进行网络的前向传播
• 一般把网络中具有可学习参数的层放在构造函数__init__()中
• 把不具有可学习参数的层(如ReLU)放在forward中，并通过nn.functional来代替

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

class Model(nn.Module):    # 继承nn.Module类
    def __init__(self):
        super(Model, self).__init__()
        # 把具有可学习参数的层放在构造函数中
        self.conv1 = nn.Conv2d(1, 20, 5)    
        self.conv2 = nn.Conv2d(20, 20, 5)

    def forward(self, x):    # 实现forward函数
        # 在forward中直接使用torch.nn.functional.relu()函数
        x = F.relu(self.conv1(x))
        return F.relu(self.conv2(x))

---

2. Module的初始化变量

nn.Module 类内置了一些初始化变量。包括在模块 forward、 backward 和权重加载等时候