Pytorch学习_nn.Module的使用

1、概念

nn.Module 是 PyTorch 中的一个基类，用于构建神经网络模型。所有的神经网络模型都应该继承自 nn.Module 类，这样可以利用 PyTorch 提供的模块化和自动求导等功能。

nn.Module 提供了一些有用的方法和属性，包括：

1. 参数管理： nn.Module 能够跟踪并管理所有注册为模型参数的张量，通过 parameters() 方法可以访问模型的所有参数。

2. 子模块管理： 你可以在模型中包含其他模型作为子模块，通过 children() 和 modules() 方法访问模型的所有子模块。

3. 前向传播方法（forward）： 所有的模型都需要实现 forward 方法，该方法定义了输入数据的前向传播过程。

4. to 方法： 用于将模型移动到不同的设备（例如，从 CPU 到 GPU）。

使用 nn.Module 可以更轻松地构建、管理和组织复杂的神经网络结构。通过继承和使用 nn.Module，你可以定义自己的神经网络层和模型，并且 PyTorch 将负责自动求导、参数优化等底层细节。

2、代码

import torch
from torch import nn

class Xuex(nn.Module):
    def __init__(self) -> None:
        super().__init__()

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

xuex=Xuex()
x=torch.tensor(9)
out=xuex(x)
print(f"out:{out}")

鼠标左键点击行数旁边的空白区域添加断点，再点击这个昆虫图标

再点击“单步执行代码”

可以看到目前程序执行的位置

再次点击“单步执行”，已经创建名为“xuex”的网络框架了

“单步执行”，传入参数