小土堆：Pytorch深度学习：神经网络-线性层及其他层介绍

今天学习了神经网络-线性层及其他层。这段代码的主要目的是为了实现一个简单的神经网络模型，并在 CIFAR-10 数据集上进行预测。

import torchimport torchvisionfrom torch import nnfrom torch.nn import Linearfrom torch.utils.data import DataLoader
dataset = torchvision.datasets.CIFAR10("../data", train=False, transform=torchvision.transforms.ToTensor(),                                       download=True)
dataloader = DataLoader(dataset, batch_size=64,drop_last=True)
class Yang(nn.Module):    def __init__(self):        super(Yang, self).__init__()        self.linear1 = Linear(196608, 10)
    def forward(self, input):        output = self.linear1(input)        return output
yang = Yang()
for data in dataloader:    imgs, targets = data    print(imgs.shape)    output = torch.flatten(imgs)    print(output.shape)    output = yang(output)    print(output.shape)

1. `import torch`：导入 PyTorch 库，这是一个用于机器学习和深度学习的开源库。

 2. `import torchvision`：导入 torchvision 库，这个库包含了许多常用的数据集和预训练模型。 

3. `from torch import nn`：从 PyTorch 库中导入神经网络模块。

 4. `from torch.nn import Linear`：从神经网络模块中导入线性层，这是神经网络中常用的一种层。 

5. `from torch.utils.data import DataLoader`：从 PyTorch 库中导入 DataLoader，这是一个可以使数据加载更加容易和快速的工具。

6. `dataset = torchvision.datasets.CIFAR10("../data", train=False, transform=torchvision.transforms.ToTensor(), download=True)`：这行代码从 torchvision 数据集中加载 CIFAR-10 数据集。这个数据集包含了 60000 张 32x32 的彩色图像，共有 10 个类别。`train=False` 表示加载的是测试集，`transform=torchvision.transforms.ToTensor()` 表示将加载的图像转换为 PyTorch Tensor，`download=True` 表示如果数据集未在指定路径下找到，就下载数据集。

 7. `dataloader = DataLoader(dataset, batch_size=64)`：创建一个 DataLoader 对象，这个对象会生成一个迭代器，每次从数据集中提取一批数据（批大小为64）。