PyTorch深度学习入门笔记（八）神经网络的基本骨架 nn.Module的使用

课程学习笔记，课程链接
学习笔记同步发布在我的个人网站上，欢迎来访查看。

这篇博客将讲述如何搭建一个网络，是课程学习笔记，课程链接已经放在上方。

一、torch.nn简介

搭建神经网络常用的工具在 torch.nn 模块。官网：https://pytorch.org/docs/stable/nn.html

Containers中文翻译为容器，但这里可以理解为骨架，往这个骨架中添加一些内容就可以构成一个神经网络
Convolution Layers
Pooling Layers
Paading Layers
都是要添加进网络的各层。

其中，torch,nn.Module 神经网络所有模块的基类

官网示例代码如下：

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

class Model(nn.Module):
    def __init__(self):
        super(Model, self).__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))

第三行定义的 Model 就是所要搭建的网络，继承了 nn.Module 类
定义了 forward 函数
神经网络前向传播，就是将数据输入到网络，通过前向传播，输出处理后的数据

在官网示例代码中：

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

forward 对输入数据 x先进行卷积+非线性处理，再对前一步处理所得到的结果再进行一次卷积+非线性处理。

二、简单示例

参考官网示例代码，建立一个自己的网络模板

import torch
from torch import nn


class net(nn.Module):
    def __init__(self):
        super(net, self).__init__()

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

net1 = net()
x = torch.tensor(1.0)
output = net1(x)
print(output)

结果：