pytorch学习神经网络的搭建

Containers容器（骨架的基本搭建）

Module

Module给所有神经网络提供框架，是所有神经网络模块的基类，然后实现他内部的一些方法从而搭建自己的神经网络。

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

class Model(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(1, 20, 5)
        self.conv2 = nn.Conv2d(20, 20, 5)

    def forward(self, x):
        x = F.relu(self.conv1(x))
        return F.relu(self.conv2(x))

init初始化：
forward：前向传播

CONV2D

对网络结构检验

zls = Resnet（）
print(zls)
input = torch.ones((63,3,32,32))
output = zls(input)
print(output.shape)

在init中用Sequential写forward
self.model1 = Sequential(#方便了forward的书写
	Conv2d(3,32,5,padding =2)
	Maxpool2d(2)
	)

用tensorboard的add_graph可以看写出来的神经网络的结构

writer= SummaryWriter("logs_seq")
writer.add_graph(zls,input)