【Pytorch】7.使用Module模块搭建简易神经网络

什么是Moudel模块

torch.nn中的module是PyTorch中用于构建神经网络模型的基本单元。它包含了各种神经网络层、激活函数、损失函数等，可以通过组合不同的module来构建复杂的神经网络模型。每个module都包含了参数和方法，可以进行前向传播和反向传播等操作。使用module可以方便地构建、训练和部署神经网络模型。

如何通过Module来搭建一个简易的神经网络

首先我们现在torch.nn的官方文档中找一下module

我们可以看到，在我们神经网络的Containers中，Module的形容文，所有神经网络模型中的基类

我们可以看到Module的使用要求为，你的模型必须是这个类的子类，并且给出了自定义模型的一个例子

import torch.nn as nn
import torch.nn.functional as F

class Model(nn.Module):		# 自定义神经网络继承Module类
    def __init__(self):		# 初始化构造函数
        super().__init__()		# 调用父类的构造函数
        self.conv1 = nn.Conv2d(1, 20, 5)	# 定义一种卷积形式
        self.conv2 = nn.Conv2d(20, 20, 5)	# 定义另一种卷积形式

    def forward(self, x):			# 重写了前项传播函数
    	# 这里的操作相当于先对x进行一次conv1的卷积操作+非线性处理
    	# 在对得到的结果进行一次conv2的卷积操作+非线性处理
        x = F.relu(self.conv1(x))
        return F.relu(self.conv2(x))

举个例子，我们定义一个神经网络Add作用是将输入层的数据加一以后到输出层，我们就可以这样定义

import torch
from torch import nn


class Add(nn.Module):
    def __init__(self):
        super(Module, self).__init__()

    def forward(self, x):
        return x + 1;


module = Add()
x = torch.tensor(1.0)
print(x)
x = module.forward(x);
print(x)

输出结果为