神经网络层的搭建主要是两种方法:
- 使用类(继承torch.nn.Moudle)
- 使用torch.nn.Sequential来快速搭建
Module:
- init中定义每个神经层的神经元个数,和神经元层数;
- forward是继承nn.Moudle中函数,来实现前向反馈(加上激励函数)
# -*- coding: utf-8 -*- # @Time : 2019/11/5 10:43 # @Author : Chen # @File : neural_network_impl.py # @Software: PyCharm import torch import torch.nn.functional as F #data x = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1) y = x.pow(2) + 0.2 * torch.rand(x.size()) #第一种搭建方法:Module # 其中,init中定义每个神经层的神经元个数,和神经元层数; # forward是继承nn.Moudle中函数,来实现前向反馈(加上激励函数) class Net(torch.nn.Module): def __init__(self): #继承__init__函数 super(Net, self).__init__() #定义每层的形式 #隐藏层线性输出feature->hidden self.hidden = torch.nn.Linear(1, 10) #输出层线性输出hidden->output self.predict = torch.nn.Linear(10, 1) #实现所有层的连接关系。正向传播输入值,神经网络分析输出值 def forward(self, x): #x首先在隐藏层经过激励函数的计算 x = F.relu(self.hidden(x)) #到输出层给出预测值 x = self.predict(x) return x net = Net() print(net) print('\n\n') #快速搭建:Sequential #模板:net2 = torch.nn.Sequential() net2 = torch.nn.Sequential( torch.nn.Linear(1, 10), torch.nn.ReLU(), torch.nn.Linear(10, 1) ) print(net2)