继承Module类来构造模型

  Module类是nn模块里提供的一个模型构造类，是所有神经网络模块的基类，我们可以继承它来定义我们想要的模型，MLP类重载了Module类的__init__函数和forward函数。它们分别用于创建模型参数和定义前向计算。前向计算也即正向传播。

 

import torch
from torch import nn

class MLP(nn.Module):
#     声明模型参数层
    def __init__(self, **kwargs):
#         初始化
# **kwargs 表示函数接收可变长度的关键字参数字典
# super() 用来调用父类
        super(MLP,self).__init__(**kwargs)
        self.hidden = nn.Linear(784,256) # 声明隐藏层
        self.act = nn.ReLU()  # 添加激活函数
        self.output = nn.Linear(256,10)  # 添加输出层
#         定义模型向前计算
    def forward(self,x):
        a = self.act(self.hidden(x))
        return self.output(a)

        以上的MLP类中无须定义反向传播函数。系统将通过自动求梯度而自动生成反向传播所需的backward函数

X = torch.rand(2,784)
#随机产生两组样本
net = MLP() # 调用父类
print(net) # 查看MLP结构
# 网络模型为：隐藏层Linear(in_features=784, out_features=256, bias=True)
# 激活函数：ReLU()
# 输出层为：Linear(in_features=256, out_features=10, bias=True)
net(X) # 输出结果，输出2行10列的tensor

        输出：