Pytorch入门学习笔记

定义两层卷积层 + 三层全连接层的神经网络： 

class Net(nn.Module):
    def __init__(self): # 定义神经网络结构
        super(Net, self).__init__()
        # 第一层（卷积层）
        self.conv1 = nn.Conv2d(1,6,3) # 输入频道1，输出频道6，卷积大小3*3
        # 第二层（卷积层）
        self.conv2 = nn.Conv2d(6,16,3) # 输入频道6，输出频道16，卷积大小3*3
        # 第三层（全连接层）
        self.fcl = nn.Linear(16*28*28, 512) # 输入维度16*28*28=12544，输出维度512
        # 第四层（全连接层）
        self.fc2 = nn.Linear(512, 64) # 输入维度512，输出维度64
        # 第五层（全连接层）
        self.fc3 = nn.Linear(64, 2) # 输入维度64，输出维度2
    def forward(self, x): # 定义数据流向
        x = self.conv1(x)
        x = F.relu(x)
    
        x = self.conv2(x)
        x = F.relu(x)
    
        x = x.view(-1, 16*28*28) # view()函数作用是将一个多行的Tensor，拼接成一行
        x = self.fc1(x)
        x