python中forward属性_浅析PyTorch中nn.Module的使用

torch.nn.Modules 相当于是对网络某种层的封装,包括网络结构以及网络参数和一些操作

torch.nn.Module 是所有神经网络单元的基类

查看源码

初始化部分:

def __init__(self):

self._backend = thnn_backend

self._parameters = OrderedDict()

self._buffers = OrderedDict()

self._backward_hooks = OrderedDict()

self._forward_hooks = OrderedDict()

self._forward_pre_hooks = OrderedDict()

self._state_dict_hooks = OrderedDict()

self._load_state_dict_pre_hooks = OrderedDict()

self._modules = OrderedDict()

self.training = True

属性解释:

_parameters:字典,保存用户直接设置的 Parameter

_modules:子 module,即子类构造函数中的内容

_buffers:缓存

_backward_hooks与_forward_hooks:钩子技术,用来提取中间变量

training:判断值来决定前向传播策略

方法定义:

def forward(self, *input):

raise NotImplementedError

没有实际内容,用于被子类的 forward() 方法覆盖

且 forward 方法在 __call__ 方法中被调用:

def __call__(self, *input, **kwargs):

for hook in self._forward_pre_hooks.values():

hook(self, input)

if torch._C._get_tracing_state():

result = self._slow_forward(*input, **kwargs)

else:

result = self.forward(*input, **kwargs)

...

...

实例展示

简单搭建:

import torch.nn as nn

import torch.nn.functional as F

class Net(nn.Module):

def __init__(self, n_feature, n_hidden, n_output):

super(Net, self).__init__()

self.hidden = nn.Linear(n_feature, n_hidden)

self.out = nn.Linear(n_hidden, n_output)

def forward(self, x):

x = F.relu(self.hidden(x))

x = self.out(x)

return x

Net 类继承了 torch 的 Module 和 __init__ 功能

hidden 是隐藏层线性输出

out 是输出层线性输出

打印出网络的结构:

>>> net = Net(n_feature=10, n_hidden=30, n_output=15)

>>> print(net)

Net(

(hidden): Linear(in_features=10, out_features=30, bias=True)

(out): Linear(in_features=30, out_features=15, bias=True)

)

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持谷谷点程序。

你可能感兴趣的:(python中forward属性_浅析PyTorch中nn.Module的使用)