深度学习速成(5)torch.nn.Module类

nn.Module 是PyTorch中的一个基础类，(nn即是Neural Networks)，用于构建神经网络模型。所有的神经网络模型都必须继承于nn.Module类，并实现 forward()方法来定义模型的前向传播过程。nn.Module类提供了一些方便的工具方法，如 parameters() 和 zero_grad()，可以方便地管理模型的参数和梯度。

在定义自己的网络时，需要继承nn.Module 类，并重新实现构造函数 __init__()和forward()这两个方法。

在继承nn.Module 的子类中，通常会定义一些层（如卷积层，全连接层等），并在 __init__()方法中进行实例化，然后在 forward()方法中将这些层连接起来，构成完整的模型。

torch.nn.Module类中包含了很多方法和属性：

1.forward(*input)方法：定义了模型的前向计算过程。

2.parameters()方法：返回所有模型中需要训练的可学习参数。

3.named_parameters()方法：返回所有模型中需要训练的可学习参数，同时返回参数的名称。

4.modules()方法：返回所有模型中的子模块（包括当前模块）。

5.named_modules()方法：返回所有模型中的子模块（包括当前模块），同时返回子模块的名称。