【PyTorch神经网络】使用Moudle和Sequential搭建神经网络

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)
  
  

  ---