常用torch.nn

已于 2024-05-24 14:57:24 修改
阅读量941 收藏 18
点赞数 29
分类专栏： MyDiffusion 文章标签： python pytorch 人工智能
于 2024-05-23 17:52:35 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_37737957/article/details/139145549
版权

目录

一、torch.nn和torch.nn.functional

Pytorch中torch.nn和torch.nn.functional的区别及实例详解
Pytorch中，nn与nn.functional有哪些区别？
相同之处：
两者都继承于nn.Module
nn.x与nn.functional.x的实际功能相同，比如nn.Conv3d和nn.functional.conv3d都是进行3d卷积
运行效率几乎相同
不同之处：
nn.x是nn.functional.x的类封装，nn.functional.x是具体的函数接口
nn.x除了具有nn.functional.x功能之外，还具有nn.Module相关的属性和方法，比如：train(),eval()等
nn.functional.x直接传入参数调用，nn.x需要先实例化再传参调用
nn.x能很好的与nn.Sequential结合使用，而nn.functional.x无法与nn.Sequential结合使用
nn.x不需要自定义和管理weight,而nn.functional.x需自定义weight

了解本专栏 订阅专栏 解锁全文 超级会员免费看
mm_exploration
关注
  • 29
    点赞
  • 踩
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
订阅专栏
机器学习&&深度学习——torch.nn模块
m0_52380556的博客
07-21 2363
机器学习&&深度学习——torch.nn模块
Torch.nn常见用法及用途
qq_45603919的博客
05-27 1164
文章目录Torch.nn常见用法及用途torch.nnBasicConv Torch.nn常见用法及用途 torch.nn import torch import torch.nn as nn import numpy as np #class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True) #dilation(int or tuple
torch.nn理解(自用)
最新发布
fractal_geometry的博客
07-17 154
torch.nn` 提供了各种神经网络层，如全连接层（`nn.Linear`）、卷积层（`nn.Conv2d`）、循环层（`nn.LSTM`）等。`torch.nn` 包含了多种常用的损失函数，如均方误差损失（`nn.MSELoss`）、交叉熵损失（`nn.CrossEntropyLoss`）等，用于评估模型的性能。`torch.nn` 提供了多种激活函数，如 ReLU（`nn.ReLU`）、Sigmoid（`nn.Sigmoid`）等，用于引入非线性特性到模型中。
Pytorch学习笔记（5）：torch.nn---网络层介绍（卷积层、池化层、线性层、激活函数层）
路人贾的博客
02-14 4242
Pytorch学习笔记（5）：torch.nn---网络层介绍（卷积层、池化层、线性层、激活函数层）
深度学习之pytorch 中 torch.nn介绍
qinbaby的专栏
02-20 2036
pytorch 中必用的包就是 torch.nn，torch.nn 中按照功能分，主要如下有几类：1. Layers（层）：包括全连接层、卷积层、池化层等。2. Activation Functions（激活函数）：包括ReLU、Sigmoid、Tanh等。3. Loss Functions（损失函数）：包括交叉熵损失、均方误差等。4. Optimizers（优化器）：包括SGD、Adam、RMSprop等。
torch.nn
qq_35222729的博客
08-19 4624
torch.nn 与 torch.nn.functional 说起torch.nn，不得不说torch.nn.functional! 这两个库很类似，都涵盖了神经网络的各层操作，只是用法有点不同，比如在损失函数Loss中实现交叉熵! 但是两个库都可以实现神经网络的各层运算。其他包括卷积、池化、padding、激活(非线性层)、线性层、正则化层、其他损失函数Loss，两者都可以实现不过nn.functional毕竟只是nn的子库，nn的功能要多一些，还可以实现如Sequential()这种将多个层弄到一个序列
torch.nn库
jjw_zyfx的博客
08-22 586
Parameter ParameterList ParameterDict Linear conv2d ReLU MaxPool2d MSELoss functional Sequential ModuleList ModuleDict Module init中包括各种初始化函数 xavier_uniform_使用均匀分布初始化w
Pytorch中torch.nn的损失函数
12-21
在本文中，我们将深入探讨三个常用的二分类和多标签分类损失函数：`torch.nn.BCELoss`、`nn.BCEWithLogitsLoss`和`torch.nn.MultiLabelSoftMarginLoss`。 ### 一、`torch.nn.BCELoss(weight=None, size_average=...
torch.nn.init常用函数总结
LJR的博客
01-27 4464
torch.nn.init中常用的函数：torch.nn.init.uniform_ torch.nn.init.normal_ torch.nn.init.constant_ torch.nn.init.ones_ torch.nn.init.zeros_ torch.nn.init.eye_ torch.nn.init.sparse_
从 relu 的多种实现来看 torch.nn 与 torch.nn.functional 的区别与联系
weixin_36670529的博客
05-09 2101
relu多种实现之间的关系： relu 函数在 pytorch 中总共有 3 次出现： torch.nn.ReLU() torch.nn.functional.relu_() torch.nn.functional.relu_() torch.relu() torch.relu_() 而这3种不同的实现其实是有固定的包装关系，由上至下是由表及里的过程。其中最后一个实际上并不被 pytorc...
pytorch深度学习框架—torch.nn模块（一）
xiaoxu的博客
06-12 4162
torch.nn模块中包括了pytorch中已经准备好的层，方便使用者调用构建的网络。包括了卷积层，池化层，激活函数层，循环层，全连接层。
PyTorch基础：神经网络工具箱torch.nn(nn.Module类)
weixin_42782833的博客
06-21 6428
perception.py import torch from torch import nn #首先建立一个全连接的子module，继承nn.Module class Linear(nn.Module): def __init__(self, in_dim, out_dim): super(Linear, self).__init__() #调用nn.Module的构造函数 #使用nn.Parameter来构造需要学习的参数 self.w
pytorch常用函数：torch.nn.Conv2d
shengxing_stu的博客
03-30 163
pytorch常用函数：torch.nn.Conv2d
pytorch中 torch.nn的介绍
热门推荐
weixin_44587732的博客
11-01 1万+
pytorch中 torch.nn的介绍 一、torch.nn是什么？ torch.nn是pytorch中自带的一个函数库，里面包含了神经网络中使用的一些常用函数，如具有可学习参数的nn.Conv2d(),nn.Linear()和不具有可学习的参数(如ReLU，pool，DropOut等)，这些函数可以放在构造函数中，也可以不放。 二、torch.nn的应用。 通常引入的时候写成： import torch.nn import torch.nn.functional as F 这里我们把函数写在了构造函数中
torch.nn.functional和torch.nn
09-10
torch.nn.functional和torch.nn是PyTorch中用于构建神经网络的两个重要模块。 torch.nn是PyTorch中的一个模块，它包含了用于构建神经网络的各种类和函数。这些类和函数提供了许多常用的神经网络组件，如线性层、卷积层、池化层等。通过继承这些类，我们可以很方便地定义自己的神经网络模型。 torch.nn.functional是另一个模块，它包含了一些非常常用的函数，如激活函数（如ReLU、Sigmoid、Tanh等）、池化函数（如MaxPool、AvgPool等）以及损失函数（如交叉熵损失函数CrossEntropyLoss等）。这些函数可以直接作为普通的Python函数来调用，而不需要定义一个类。 总的来说，torch.nn提供了一系列已经实现好的神经网络组件，而torch.nn.functional则提供了一些用于构建神经网络的常用函数。我们可以根据自己的需要选择使用哪个模块。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值