pytorch神经网络入门(一)

1、导入构建网络和处理数据所需的包

2、查看当前使用的是cpu还是gpu作为计算设备

（获取网络设备，若希望能够在 GPU 等硬件加速器上训练模型，需要先检查一下 torch.cuda是否可用，从而的确定到底使用哪种设备）

3、定义神经网络费

继承nn.Module类，并对构造函数（_init__）和前向传播计算(forward)进行重新实现。通过继承的机制，根据nn.Module定义我们所需的神经网络类，并对构造函数__init__进行初始化；每个继承于nn.Module的子类，都必须在方法中重新实现对输入数据的前向计算操作函数forward。

4、打印网络结构

import os
import torch
from torch import nn
from torch.utils.data import DataLoader
from torchvision import datasets, transforms

device = "cuda" if torch.cuda.is_available() else "cpu"
print(f"Using {device} device")

class NeuralNetwork(nn.Module):
    def __init__(self):
        super(NeuralNetwork, self).__init__()
        self.flatten = nn.Flatten()
        self.linear_relu_stack = nn.Sequential(
            nn.Linear(28*28, 512),
            nn.ReLU(),
            nn.Linear(512, 512),
            nn.ReLU(),
            nn.Linear(512, 10),
        )

    def forward(self, x):
        x = self.flatten(x)
        logits = self.linear_relu_stack(x)
        return logits

model = NeuralNetwork().to(device)
print(model)

5、运行结果如下： 

 6、资料

PyTorch搭建神经网络 - 知乎 (zhihu.com)