每天五分钟玩转深度学习PyTorch：nn.Module中封装好的神经网络层

本文重点

PyTorch实现了神经网络中绝大多数的layer，这些layer都继承于nn.Module，封装了可学习参数parameter，并实现了forward函数，且很多都专门针对GPU运算进行了CuDNN优化，其速度和性能都十分优异。本文介绍pytorch中已经封装好的神经网络层，我们可以直接通过nn.的方式来调用。本文主要学习第2步（模型搭建）。

全连接层

nn.Linear(in_features, out_features, bias)

全连接层的输入为：（N, input_features)，输出为(N，output_features)，N是batch_size。

常见的卷积神经网络层：

卷积层：conv = nn.Conv2d(1, 1, (3, 3), 1, bias=False)

参数表示输入通道、输出通道、卷积核、步长

池化层pool = nn.AvgPool2d(2,2)

参数表示卷积核和步长

BatchNorm&#x