pytorch学习之神经网络的基本骨架-nn.Module的使用

nn-neural network
module的使用

import torch.nn as nn
import torch.nn.functional as F

class Model(nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.conv1 = nn.Conv2d(1, 20, 5)
        self.conv2 = nn.Conv2d(20, 20, 5)

    def forward(self, x):#输入：x
        x = F.relu(self.conv1(x))        
        #经过一次卷积（conv1）
        #经过一次非线性（relu）
        return F.relu(self.conv2(x))
        #再经过一次卷积
        #再经过一次非线性
        #输出

forward 主要定义了我们的一个计算，应该再所有子类中进行一个重写

import torch
from torch import nn
#先搭建自己的一个神经网络
class Wangluo(nn.Module):#继承pytorch.nn给我们提供的一个module
#重写
   def __init__(self):
        super().__init__()
#自己的
   def forward(self, input):
        output = input + 1       
        return output
 wangluo = Wangluo()
 x = torch.tensor(3,0)
 output = wangluo(x)
 print(output)