【学习笔记】神经网络的基本骨架— nn.Module的使用

 1、打开Pytorch的官网 PyTorch https://pytorch.org/

2、Containers下的Module模块 

上面案例：

import torch.nn as nn
import torch.nn.functional as F

class Model(nn.Module): #Model继承nn.Module这个父类
    def __init__(self):
        super().__init__()  #必须要写，意思父类也要调用初始化函数
        self.conv1 = nn.Conv2d(1, 20, 5) 
        self.conv2 = nn.Conv2d(20, 20, 5)

    def forward(self, x): 
        x = F.relu(self.conv1(x))   #一次卷积，一次非线性处理
        return F.relu(self.conv2(x)) #又一次卷积，一次非线性处理

可以将nn.Module看作一个 玩具赛车，如果想要改造它，就定义两个函数（__init__和forward）

相当于对其进行修改 。

输入送入神经网络，经过一个forward（前向传输）进行处理，forward会返回一个输出 

forward(*input)

        Defines the computation performed at every call.

        Should be overridden by all subclasses. #必须被所有子类重写

 创建示例：

import torch
from torch import nn

#搭建自己的神经网络
class Tudui(nn.Module):
    def __init__(self):
        super().__init__()

    def forward(self,input):
        output=input+1
        return output

#用上面模板创建一个神经网络
tudui = Tudui()
x=torch.tensor(1.0)
output=tudui(x)
print(output)

结果如下：