入门——nn.Module使用
在pytorch框架下搭建神经网络是需要定义一个类并继承torch.nn.Module模块的,大概结构如下:
class Model(nn.Module):
def __init__(self):
super().__init__()
...
def...
return
def forward(self, inputdata):
...
return
对于初学python的人来说,很容易被这个奇怪的结构劝退。其实千变万化,本质上它还是一个类,在继承了Module后,有了一些特殊的性质,用一段最基础的示例代码就可以清楚的说明:
import torch
import torch.nn as nn
#输入模型是一个3*5的矩阵
inputdata = torch.rand(3, 5)
class Testnet(nn.Module):
def __init__(self):
super().__init__()
self.fc = nn.Linear(5, 2)
def forward(self, inputdata):
out = self.fc(inputdata)
return out
test = Testnet()
out = test(inputdata)
print(out)
使用继承了Module的类和其他类也是一样的,都需要对类实例化,__init__中一般会定义模型中用到的全部可训练参数,包括全连接fc,卷积conv,词嵌入embedding等。如果不是很理解这些概念,可以暂时简单理解为普通类中的参数,在实例化后,会自动调用__init__方法。
在对类实例化后,再次调用继承了Module的类会直接调用forward方法,这点和普通的类有所不同,因此在第二步out=test(inputdata)的时候,inputdata的数据会直接传给forward方法最后返回一个out输出。