导入相关的包
import torch
import torch.nn as nn
import torch.nn.functional as F
构建自己的网络
class Mynet(nn.Module):
def __init__(self):
super(Mynet,self).__init__()
self.conv1=nn.Conv2d(1,6,3) #卷积层
self.fc1=nn.Conv2d(1350,10) #线性层
def forward(self,x):
print(x.size()) #查看输入的shape
x=self.conv1(x) #进行卷积
x=F.relu(x) #激活函数'relu'
print(x.size())
x=F.max_pool2d(x,(2,2)) #池化
x=F.relu(x)
print(x.size())
x=x.view(1,-1) #展平
print(x.size())
x=self.fc1(x)
return x
net=Mynet()
若是要查看网络的可学习参数,可以引用net.parameters()
for parameters in net.parameters(): print(parameters)
net.named_parameters还包含了可学习参数的名称
for name,parameters in net.named_parameters(): print(name,parameters)
前向传播、计算loss、反向传播:
前向传播:
net=Mynet()
input=torch.randn(1,1,32,32)
out=net(input)
计算loss:
loss=F.nll_loss(out,target)
反向传播:
loss.backward()
更新参数:
optimizer.step() 注:这里的optimizer需要先定义好