使用pytorch搭建神经网络的两种方法

在pytoch中，通过继承nn.Module模块，我开门可以更加便捷的搭建属于自己的神经网络。在学习过程中遇到两种不同的神经网络搭建的方式。于是在这里做一个笔记记录一下。

第一种方法代码如下：

class Net(nn.Module):
    def __init__(self, n_input, n_hidden, n_output):
        super(Net,self).__init__()
        self.hidden1 = nn.Linear(n_input,n_hidden)
        self.hidden2 = nn.Linear(n_hidden,n_hidden)
        self.predict = nn.Linear(n_hidden,n_output)
    def forward(self,input):
        out = self.hidden1(input)
        out = F.relu(out)
        out = self.hidden2(out)
        out = F.sigmoid(out)
        out =self.predict(out)
        return out

第二种方法代码如下：该方法中通过nn.调用激活函数，这里的激活函数我们也是把他看作是一个网络层的，与第一种方法不同，这里并不只是单纯的代表一个激活函数。

class Net(nn.Module):
    def __init__(self, n_input, n_hidden, n_output):
        super(Net, self).__init__()
        self.model = nn.Sequential(
            nn.Linear(n_input,n_hidden),
            nn.ReLU(),
            nn.Linear(n_hidden,n_hidden),
            nn.Sigmoid(),
            nn.Linear(n_hidden,n_output),
        )
        # self._initialize_weights()

    def forward(self, x):
        x = self.model(x)
        return x