pytorch构建神经网络基本流程（easy contact）

导入相关的包

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

构建自己的网络

class Mynet(nn.Module):
    def __init__(self):
        super(Mynet,self).__init__()
        self.conv1=nn.Conv2d(1,6,3)  #卷积层
        self.fc1=nn.Conv2d(1350,10)  #线性层

    def forward(self,x):
        print(x.size())            #查看输入的shape
        x=self.conv1(x)            #进行卷积
        x=F.relu(x)                #激活函数'relu'
        print(x.size())
        x=F.max_pool2d(x,(2,2))    #池化
        x=F.relu(x)
        print(x.size())
        x=x.view(1,-1)             #展平
        print(x.size())
        x=self.fc1(x)
        return x
net=Mynet()

若是要查看网络的可学习参数，可以引用net.parameters()

for parameters in net.parameters():
    print(parameters)

net.named_parameters还包含了可学习参数的名称

for name,parameters in net.named_parameters():
    print(name,parameters)

前向传播、计算loss、反向传播：

前向传播：

net=Mynet()
input=torch.randn(1,1,32,32)
out=net(input)

计算loss：

loss=F.nll_loss(out,target)

反向传播：

loss.backward()

更新参数：

optimizer.step()   注：这里的optimizer需要先定义好