pytorch快速搭建神经网络_Sequential

之前用Class类来搭建神经网络

class Neuro_net(torch.nn.Module):
    """神经网络"""
    def __init__(self, n_feature, n_hidden_layer, n_output):
        super(Neuro_net, self).__init__()
        self.hidden_layer = torch.nn.Linear(n_feature, n_hidden_layer)
        self.output_layer = torch.nn.Linear(n_hidden_layer, n_output)

    def forward(self, input):
        hidden_out = torch.relu(self.hidden_layer(input))
        out = self.output_layer(hidden_out)
        return out
    
    
net = Neuro_net(2, 10, 2)
print(net)

class类图结构：

使用torch.nn.Sequential() 快速搭建神经网络

net = torch.nn.Sequential(
    torch.nn.Linear(2, 10),
    torch.nn.ReLU(),
    torch.nn.Linear(10, 2)
)
print(net)

Sequential图结构

总结：

• 我们可以发现，使用torch.nn.Sequential会自动加入激励函数, 但是 class类net 中, 激励函数实际上是在 forward() 功能中才被调用的
• 使用class类中的torch.nn.Module，我们可以根据自己的需求改变传播过程
• 如果你需要快速构建或者不需要过多的过程，直接使用torch.nn.Sequential吧