8. 基于Sequential完成神经网络搭建

最新推荐文章于 2024-09-13 20:43:54 发布

Austin6035

最新推荐文章于 2024-09-13 20:43:54 发布

阅读量1k

点赞数

分类专栏：图神经网络算法学习笔记文章标签：神经网络学习 pytorch

本文链接：https://blog.csdn.net/Austin6035/article/details/124561704

版权

本文介绍了如何利用PyTorch中的Sequential容器来简洁地搭建全连接神经网络，详细阐述了Sequential参数顺序与模型构建的关系。

摘要由CSDN通过智能技术生成

1. 简单全连接神经网络的搭建

class NeuralNet(nn.Module):
    def __init__(self, in_features, hidden_features, out_features):
        super(NeuralNet, self).__init__()
        self.layer1 = nn.Linear(in_features, hidden_features)
        self.layer2 = nn.Linear(hidden_features, out_features)
 
    def forward(self, x):
        y = self.layer1(x)
        y = nn.functional.relu(y)
        y = self.layer2(y)
        return y

2. 基于时序容器Sequential类来创建神经网络

Sequential — PyTorch 1.11.0 documentation

class NeuralNet(nn.Module):
    def __init__(self, in_features, hidden_features, out_features):
        super(NeuralNet, self).__init__()
        self.layer = nn.Sequential(nn.Linear(in_features, hidden_features),
                                   nn.ReLU(),
                                   nn.Linear(hidden_features, out_features))
    def forward(self,x):
        y = self.layer(x)
        return y

Sequential参数的先后顺序对应模型参数传递的先后顺序