Pytorch--常用API

1.nn.Module

		a.__init__,
		b.farward
	nn.Module定义了__call__方法，及Lr的实例，能够直接被传入参数调用，实际上用的是forward方法并传入参数

from torch import nn
class Lr(nn.Module):
	def __init__(self):
		super(Lr,self).__init_()
		self.linear = nn.Linear(1,1)
	def forward(self,x):
		out = self.linear(x)
		return out

nn.Linear(input的特征数量，输出特征数量)
全连接层

2.optimizer:

a. torch.optim.SGD(参数,学习率)
b.torch.optim.adam(参数,学习率)
1.参数可以使用model.parameters()来获取，获取模型中所有requires_grad = True的参数
例：

optimizer = optim.SGD(model.parameters(),lr = 1e-3)
optimizer.zerograd()#梯度置为0
loss.backward()#计算梯度
optimizer.step()#更新参数的值

3.损失函数

a.nn.MSELoss()：均方误差，常用语分类问题
b.nn.CrossEntropyLoss():交叉熵损失，常用语逻辑回归
例：

model = Lr()
criterion = nn.MSELoss()
optimizer = optim.SGD(model.parameters(),lr=1e-3)
for i in range(100):
	y_predict = model(x_true)
	loss = criterion(y_true,y_predict)
	optimizer.zerograd()#梯度置为0
	loss.backward()#计算梯度
	optimizer.step()#更新参数的值

4.torchvision.transforms

4.1torchvision.transforms.ToTensor

例：
			from torchvision import transforms
			import numpy as np
			
			data = np.random.randint(0,255,size=12)
			img = data.reshape(2,2,3)
			print(img.shape)
			img_tensor = transforms.ToTensoe()(img)
			pring(img_tensor)
			print(img_tensor.shape)

img.permute(2,0,1)#按照列进行交换

4.2torchvision.transforms.Normalize(mean,std)

image_Normalized = (image-mean)/std
例子：

			from torchvision import transforms
			import numpy as np
			from torchvision
			data = np.random.randint(0,255,size=12)
			img = data.reshape(2,2,3)
			print(img.shape)
			img_tensor = transforms.ToTensoe()(img)
			print(img)
			norm_img = transforms.Normalize((10,10,10),(1,1,1))(img)#形状与通道数相同

4.3torchvision.transforms.Compose(transforms)

将多个transform组合起来使用
例如

transform.Compose([
torchvision.transforms.ToTensoe(),#先转化为Tensor
torchvision.transforms.Normalize(mean,std)#再进行正则化
])

5.模型的保存和加载

5.1模型保存

torch.save(mnist_net.state_dict(),"model/mnist_net")#保存模型参数
torch.save(optimizer.state_dict(),'results/mnist_optimizer')#保存优化器参数

5.2模型加载

	 model.load_state_dict(torch.load('./model/model.pkl'))
     optimizer.load_state_dict(torch.load('./model/optimizer.pkl'))

6.word embedding API

torch.nn.Embedding(num_embeddings,embedding_dim)
参数介绍：
1.num_embeddings：词典的大小
2.embedding_dim:embedding的维度