pytorch入门到放弃4：nn.Module

在pytorch中定义神经网络时，所有的层和损失函数都来自 torch.nn，模型的构建继承的nn.Module，网络的构建一般采用下面的模板（以单个卷积层为例）：

import torch.nn as nn

class MyNet(nn.Module):
    def __init__(self, in_channel, out_channel, kernel_size, stride):
        super(MyNet, self).__init__()

        self.conv1 = nn.Conv2d(in_channels=in_channel, out_channels=out_channel, kernel_size=kernel_size, stride=stride, padding=1)

    def forward(self, x):
        x = self.conv1(x)
        return x

这里的其实是建立了一个计算图，并且这个计算图可以多次重复使用，每次调用就相当于用这个计算图定义的相同参数做了一次前向传播。网络定义完成之后，需要通过nn这个包来定义损失函数。nn中包括了常见的损失函数，比如均方误差、多分类的交叉熵等，调用方法也很简单：

criterion = nn.CrossEntropyLoss()
loss = criterion(output, label)

这样就可以得到预测值和真实值之间的损失了。