1.torch.nn.Variable()
其中不仅包含了data,还包含了grad,grad_fn.
2.model.train()和model.eval()
model.train()训练时启用Batch Normalization和Dropout。
model.eval()在验证集和测试集上不启用Batch Normalization和Dropout。
3.torch.optim.Adam()
4.torch.nn.LSTM()和torch.nn.GRU()
5.torch.nn.Parameter()
将Tensor类型转化为可训练的参数类型Parameter,并将这个Parameter类型绑定到model上。
6.torch.nn.Conv2d()
卷积核个数决定了输出的深度;卷积层的前一层,有多少个特征图,卷积核的通道就有多少个。
7.torch.nn.ModuleList()
类似于一个list类型,可以添加和移除元素,只不过其中的元素是模型的子类。