PyTorch的nn模块专为神经网络设计，nn.Module是核心类，用于定义网络结构和forward方法。自定义网络时需继承nn.Module，实现forward，并在_init_中初始化具有学习参数的层。forward函数内可使用Variable支持的任意操作，包括Python控制流。PyTorch模型以mini-batch方式处理输入，如通过unsqueeze增加维度。nn.Linear是线性变换运算符，实现y=x*A+b。
torch.nn是专门为神经网络设计的模块化接口，nn构建于autograd之上，可以用来定义和运行神经网络。
nn.module是nn中十分重要的类，包含网络各层的定义及forward方法。
若需要定义自己的网络：
（1）需要继承nn.module类，并实现forward方法
（2）一般把网络中具有可学习参数的层放在构造函数_init_()中，不具有可学习参数的层（如relu)可放在构造函数中，也可不放在构造函数中（而在forward中使用nn.functional来代替）
（3）只要在nn.module的子类中定义了forward函数，backward函数就会被自动实现（利用autograd)
(4)在forward 函数中可以使用任何variable支持的函数，毕竟在整个pytorch构建的图中，是variable在流动，还可以使用if,for,print,log等python语法
（5）pytorch 基于nn.module构建的模型中，只支持mini-batch的variable输入方式，比如一张输入图片，也需要变成N*C*H*W的形式，
input_image=torch.FloatTensor(1,28,28)
input_image=Variable(input_image)
input_image=input_image.unsqueeze(0)# 1*1*128*28
# coding=utf-8
import torch
import torch.nn as
最低0.47元/天 解锁文章
1659
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
