pytorch入门——nn.Module使用

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。