深度学习入门笔记（7）——什么是module？

深度学习入门笔记（7）——module

（1）搭建计算图：神经网络需要计算图，torch.nn提供层级结构和NLLoss之类的损失，nn.Module提供所有的模型框架，举一个博主最近搭建的网络例子：

pretrained_net = models.vgg16_bn(pretrained=False)
class FCN(nn.Module):
    def __init__(self, num_classes):
        super().__init__()
        # 第一个下采样块，输出为浅层局部信息pooling1
        self.stage1 = pretrained_net.features[:7]
        .............................
        .............................
        .............................
        .............................
    def forward(self, x):
        # 表示输入图片，对应image
        s1 = self.stage1(x)  # pooling1
        .............................
        .............................
        .............................
        .............................
        output = self.conv_trans2(add2)
        output = self.upsample_8x(output)
        return output

这是一个用module搭建的计算图，中间代码与本章没啥关系，被博主隐去了，这个计算图会被不断调用，每次相当于做一次前向传播，当然，有前向就必定会有后向反馈，后向反馈不需要我们写，在层级里面已经包括，调用方式也很简单，在搭建网络时，我们会具体说一下。
（2）定义损失函数：

criterion = nn.NLLLoss().to(device)

简单解释一下，这里的device是之前搭建的运行环境，我们要保证网络可以正常运行，必须首先满足所有程序是在同一个环境运行的，这点十分重要，希望大家可以重视，在搭建网络时，我们也会具体说一下如何配置GPU优先的环境。
这里只是顺带提一下损失函数，针对损失函数的概念会在后面做讲解。