PyTorch笔记10--模型创建与nn.Module

已于 2024-02-19 16:23:15 修改
阅读量312 收藏 9
点赞数 10
分类专栏： PyTorch学习 文章标签： pytorch 笔记 人工智能
于 2024-02-19 15:43:05 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zjhzxsljl/article/details/136171545
版权

网络模型创建步骤

nn.Module属性

self._parameters = OrderedDict()#存储管理nn.Parameter类
self._buffers = OrderedDict()#存储管理缓冲属性，如BN层中的running_mean
self._backward_hooks = OrderedDict()
self._forward_hooks = OrderedDict()#存储管理钩子函数
self._forward_pre_hooks = OrderedDict()
self._state_dict_hooks = OrderedDict()
self._load_state_dict_pre_hooks = OrderedDict()
self._modules = OrderedDict()#存储管理nn.Module类

nn.Module总结：

        一个module可以包含多个子module

        一个module相当于一个运算，必须实现forward()函数

        每个module都有8个字典管理它的属性

三天没吃小孩了
关注
  • 10
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
pytorch学习笔记--nn.Module、nn.Sequential的搭建模型、损失函数、反向传播和训练器
qq_44643484的博客
09-30 987
nn.Module和nn.equential的搭建模型一、nn.Module二、nn.equential nn.Module和nn.equential都是pytorch中container的方法，用于保存深度学习层信息，即容器、模型 一、nn.Module #使用nn.Module模块构建一个LeNet import torch import torch.nn as nn import torch.nn.functional as fun class LeNet(nn.Module): #初始化即创建模
PyTorch笔记(3)-nn.Module的使用及一些神经网络层
weixin_43267093的博客
02-05 996
继承‘nn.Module’类是构建自定义神经网络模型的第一步。通过创建一个新的类，并将其继承自‘nn.Module’，可以利用PyTorch提供的丰富的神经网络构建块来定义自己的模型。
Pytorch系列之——模型创建与nn.Module
Despacito1006的博客
09-04 434
模型创建与nn.Module 网络模型创建步骤 nn.Module属性 在学习模型创建步骤之前，回顾一下前面提到的机器学习模型训练的五大步骤，即：数据、模型、损失函数、优化器和迭代训练。这次我们主要谈论模型模块这部分。 对于模型模块，首先分为两大部分分别是模型的创建和模型权值的初始化。其中在模型创建模块，有分为构建网络层和拼接网络层这两个子模块，我们通过构建类似卷积层、池化层和激活函数层等子模块，再根据一定的顺序或拓扑结构将这些子模块拼接起来，最后就可以构建成类似LeNet、AlexNet和ResNet
Pytorch(笔记6)--nn.Module功能详解
起点的专刊
05-19 5468
在接触了之前所说的Conv，pool，Batchnorm，ReLU等方法都是神经网络中常见的操作，我们可以根据这些方法来自定义网络模型，也可以根据需求对经典模型进行调整，他们都继承共同的抽象类nn.Module,其中包含好了很多函数。 1.nn.Sequential 这个方法中可以封装多个子类，注意，一定继承nn.Module的类，在调用的时候，可以使用下面的方法 net =...
学习笔记|Pytorch使用教程09(模型创建与nn.Module)
qq_24739717的博客
10-28 572
学习笔记|Pytorch使用教程09 本学习笔记主要摘自“深度之眼”，做一个总结，方便查阅。 使用Pytorch版本为1.2。 网络模型创建步骤 nn.Module属性 一.网络模型创建步骤 二.nn.Module ...
Pytorch学习笔记--常用函数torch.nn.Sequential( )、torch.flatten()、Model.train()、Model.eval()总结2
牵一只蜗牛去散步
11-16 1440
如果模型中有BN层(Batch Normalization）和Dropout，需要在训练时添加model.train()。如果模型中有BN层(Batch Normalization）和Dropout，在测试时添加model.eval()。训练完train样本后，生成的模型model要用来测试样本。在model(test)之前，需要加上model.eval()，否则的话，，即测试过程中要保证BN层的均值和方差不变。有输入数据，即使不训练，它也会改变权值。对于Dropout，model.train()是随机。
PyTorch学习笔记（5）--神经网络基本骨架nn.Module的使用
weixin_43981621的博客
08-16 1237
PyTorch学习笔记（5）–神经网络基本骨架nn.Module的使用     本博文是PyTorch的学习笔记，第5次内容记录，主要介绍神经网络基本骨架nn.Module的基本使用。 目录PyTorch学习笔记（5）--神经网络基本骨架nn.Module的使用1.nn.Module是什么2.nn.Module的使用2.1nn.Module的基本结构2.2搭建自己的神经网络3.学习小结 1.nn.Module是什么     torcn.nn是专门为神经网络设计的模块化接口. nn构建于autograd之上，
pytorch学习笔记二——nn.Module
墨夜之枫的博客
11-26 1827
《神经网络与深度学习》笔记一——机器学习基础
pytorch学习笔记03-nn.Module-卷积-池化-激活函数
weixin_43454156的博客
12-14 1555
pytorch学习笔记03
pytorch学习笔记（6）：模型创建与nn.Module 一定坚持学完啊！！
YaYan233的博客
04-08 809
模型创建：构建子模块，拼接子模块 LenNet: class LeNet(nn.model): def __init__(self,classes): super(LeNet,self).__init__() self.conv1=nn.Conv2d(3,6,5) self.conv2=nn.Conv2d(6,16,5) se...
Pytorch学习笔记----DRL
weixin_43718287的博客
04-28 442
Pytorch--Advanced CNNConvolutional Neural NetworkInception Module1X1 convolutionImplementation of Inception ModuleDeep Residual LearningImplementation of simple Residual NetworkReference Convolutional Neural Network Inception Module 1X1 convolution 1x1卷积
PyTorch学习笔记-3.PyTorch模型搭建
ruoqi23的博客
08-03 1276
3.PyTorch模型搭建 3.1.卷积层 3.1.1.卷积-1d/2d/3d 卷积运算：卷积核在输入信号（图像）上滑动，相应位置上进行乘加 卷积核：又称为滤波器，过滤器，可认为是某种模式，某种特征。 卷积过程类似于用一个模版去图像上寻找与它相似的区域，与卷积核模式越相似，激活值越高，从而实现特征提取 例如： AlexNet卷积核可视化，发现卷积核学习到的是边缘，条纹，色彩这一些细节模式 卷积维度：一般情况下，卷积核在几个维度上滑动，就是几维卷积 下面分别为一维、二维、三维卷积示意图 .
pytorch官方教程学习笔记08：SEQUENCE-TO-SEQUENCE MODELING WITH NN.TRANSFORMER AND TORCHTEXT
weixin_42721412的博客
11-21 1114
1.seq2seq的transformer模型图： 2.本节任务： The language modeling task is to assign a probability for the likelihood of a given word (or a sequence of words) to follow a sequence of words. 语言建模任务是为给定的单词(或单词序列)与单词序列之间的关系分配一个概率。 3.TransformerEncoderLaye: 官方链接 is made
pytorch torch.gather函数介绍
qq_27390023的博客
09-04 613
是 PyTorch 中的一个用于从给定维度上按索引取值的函数。它根据一个索引张量index，从源张量input中收集值，并返回一个新的张量。常用于需要从张量的特定位置抽取元素的操作。
每天五分钟玩转深度学习PyTorch：获取神经网络模型的子网络模型
最新发布
huanfeng_AI的博客
09-09 38
本文主要为第二步（模型搭建）和第六步（优化器）服务，因为子网络是网络模型的一部分，我们如何获取自网络，需要了解网络的模型结构，然后再优化器部分我们需要获取指定网络模型部分的模型参数，所以本节课程很重要。
COI实验室技能：图像到图像的深度学习开发框架（pytorch版）
小山山的博客
09-06 946
这个开发框架旨在帮助科研人员快速地实现图像到图像之间的模型开发。
动手学深度学习（pytorch）学习记录25-汇聚层(池化层)[学习记录]
weixin_50995339的博客
09-09 407
定义一个池化操作，X是张量，pool_size是汇聚层大小，mode默认为max即输出为输入区域的最大值，mode设置为avg时，输出为输入区域的平均值。默认情况下，深度学习框架中的步幅与汇聚窗口的大小相同，如果使用形状为(3,3)的汇聚层窗口，则得到的步幅大小为(3,3)。汇聚层和卷积层的运动方式一样，从左上角向右下角移动指定步幅，汇聚层执行的是“采样”操作。汇聚层是没有参数的。在通道维度上连结张量X和X + 1，以构建具有2个通道的输入。降低卷积层对位置的敏感性，同时降低对空间降采样表示的敏感性。
形象化理解pytorch中的tensor.scatter操作
天之彼方的博客
09-09 684
形象化理解pytorch中的tensor.scatter操作
pytorch 保存模型
05-18
在 PyTorch 中，我们可以使用 `torch.save` 函数来保存模型。该函数的第一个参数是要保存的对象，通常是一个模型或优化器，第二个参数是文件名（包括路径和扩展名），文件名的扩展名通常是 `.pt` 或 `.pth`。 以下...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值