# pytorch
# -*- coding: utf-8 -*-
# @Author : Tangzhao
# @Blog:https://blog.csdn.net/tangzhaotz
"""
构建神经网络,采用了torch.nn.Squential()来构建网络层,如果要对每一个层定义一个名称,可以采用Squential的一种改进方法,在Squential的基础上,
通过add_module()来添加每一层,并且为每一层添加单独的名称
此外,还可以在Squential的基础上,通过字典的形式添加每一层,设置单独的层名称
"""
import torch.nn as nn
import torch
class Net(nn.Module):
def __init__(self):
super(Net,self).__init__()
self.conv = nn.Sequential(
OrderedDict(
[
('conv1',nn.Conv2d(3,32,3,1,1)),
('relu',nn.Relu()),
('pool',nn.MaxPool2d(2))
]
)
)
self.dense = nn.Sequential(
OrderedDict(
[
('dense1',nn.Linear(32*3*3,128)),
python深度学习基于pytorch-torch.nn补充
最新推荐文章于 2024-07-11 15:22:58 发布
本文详细介绍了Python深度学习库PyTorch中的torch.nn模块,包括其核心概念、常用层和模块的使用方法,以及如何构建神经网络模型。通过实例解析,帮助读者深入理解pytorch.nn在深度学习实践中的应用。
摘要由CSDN通过智能技术生成