PyTorch学习笔记（1）--模块化神经网络构建

nn.Module是Pytorch提供的神经网络类，在类中实现了网络各层的定义及向前计算与反向传播机制。

实现步骤：

1.继承nn.Module

2.在初始化中定义模型结构与参数

3.在函数forward（）中编写网络前向过程

from torch import nn
class Perception(nn.Module):
    def __init__(self,in_dim,hid_dim,out_dim):
        super(Perception,self).__init__()
        self.layer1=Linear(in_dim,hid_dim)
        self.layer2=Linear(hid_dim,out_dim)
    def forward(self,x):
        x=self.layer1(x)
        y=torch.sigmoid(x)#激活函数
        y=self.layer2(y)
        y=torch.sigmoid(y)
        return y

对比使用nn.Sequential():

当模型中只是简单的前馈网络（上一层的输出直接作为下一层的输入）时，可使用nn.nn.Sequential()快速搭建

from torch import nn
class Perception(nn.Module):
    def __init__(self,in_dim,hid_dim,out_dim):
        super(Perception,self).__init__()
        self.layer=nn.Sequential(nn.Linear(in_dim,hid_dim),nn.Sigmoid(),nn.Linear(hid_dim,out_dim),nn.Sigmoid())
    def forward(self,x):
        y=self.layer(x)
        return y

参考书籍：《深度学习之PyTorch物理检测实战》