自定义神经网络的步骤和构造过程中产生的疑问

步骤：

疑问：

自定义一个层和自定义个一个网络有什么区别

一个神经网络通常由多个层按照顺序连接而成。每个层都包含一组可学习的参数，用于对输入数据进行转换和处理。

网络形成一个层级结构。每个层接收上一层的输出作为输入，并将其转换为下一层的输入。这种层与层之间的连接方式被称为前向传播（前向传播），它使得网络能够逐层地对输入数据进行处理和提取特征。

自定义带参数的层：

class MyLinear(nn.Module):
    def __init__(self, in_units, units):
        super().__init__()
        self.weight = nn.Parameter(torch.randn(in_units, units))
        self.bias = nn.Parameter(torch.randn(units,))
    def forward(self, X):
        linear = torch.matmul(X, self.weight.data) + self.bias.data
        return F.relu(linear)

自定义网络：

将自定义的参数的层用来定义网络：

net = nn.Sequential(MyLinear(64, 8), MyLinear(8, 1))
net(torch.rand(2, 64))

层和模块有什么区别

是不是层里加层数会拟合的更好