pytorch神经网络层搭建方法

     神经网络层的搭建主要是两种方法，一种是使用类（继承torch.nn.Moudle），一种是使用torch.nn.Sequential来快速搭建。

   1）首先我们先加载数据：

import  torch
import  torch.nn.functional as F

#回归问题
x=torch.unsqueeze(torch.linspace(-1,1,100),dim=1)
y=x.pow(2)+0.2*torch.rand(x.size())

   2）两种方法的模板：

     2.1： 类（class）：这基本就是固定格式，init中定义每个神经层的神经元个数，和神经元层数，forward是继承nn.Moudle中函数，来实现前向反馈（加上激励函数）  

#method1
class Net(torch.nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        pass
    def forward(self,x):
        pass

比如：

#method1
class Net(torch.nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.hidden=torch.nn.Linear(1,10)     
        self.prediction=torch.nn.Linear(10,1)
    def forward(self,x):
        x=F.relu(self.hidden(x))  #使用relu作为激励函数
        x=self.prediction(x)      #最后一个隐藏层到输出层没有使用激励函数，你也可以加上（一般不加）
        return x
net=Net()
print(net)
'''
#输出:
Net(
  (hidden): Linear(in_features=1, out_features=10, bias=True)      #hidden就是self.hidden,没有特殊意义，你自己可以命名别的
  (prediction): Linear(in_features=10, out_features=1, bias=True)
)
'''

    2.2：快速搭建

　　　模板：

net2=torch.nn.Sequential(  )

  比如：net2 = torch.nn.Sequential(

net2 = torch.nn.Sequential(

    torch.nn.Linear(1, 10),
    torch.nn.ReLU(),
    torch.nn.Linear(10, 1)
)
print(net2)
'''

Sequential (
  (0): Linear (1 -> 10)
  (1): ReLU ()
  (2): Linear (10 -> 1)
)

'''

    两者大致相同，稍微有区别的地方就是在于快速搭建中激励函数（relu....）看做一个神经层。

 

转载于:https://www.cnblogs.com/carrollCN/p/11373528.html