【Pytorch】神经网络的基本骨架-nn.Module的使用 - 学习笔记

视频地址

终于开始用torch写神经网络啦！
主要用到了python API中的torch.nn

• Container：骨架，对神经网络定义了一些结构，在结构中添加一些内容就可以实现我们的神经网络

后面都是需要往骨架当中填充的东西，比如卷积层、池化层、padding层balabala~

点开container看看

其中最常用的是Module，我们再点开看看里面的案例：

我们继承了nn.module这个父类（模板），而对于不满意的部分我们可以自己再进行修改，如果module是玩具赛车，这两个def定义的函数就可以看作是我们更换的马达

用一个例子来解释一下：

import torch
from torch import nn


class Model(nn.Module):
    # 方法一：手敲
    # def __init__(self):
    # super(Model, self).__init__()  # 继承父类的init
    # 方法二：代码->重写方法->init
    def __init__(self):
        super().__init__()

    # 假设神经网络：输出=输入+1
    def forward(self, input):
        output = input + 1
        return output


# 拿模板创建神经网络
Model = Model()
x = torch.tensor(1.0)

# 这里可以直接调用，而不用Model.forward(x)，是因为forward方法是__call__()方法的实现
output = Model(x)
print(output)

输出为

D:\Anaconda3\envs\pytorch\python.exe D:/研究生/代码尝试/nn_module.py
tensor(2.)

进程已结束，退出代码为 0

这样就实现了简单的module使用~