【PyTorch教程】P16 nn.Module

nn.Module

• 注意这个module在哪里：把结构摆出来，然后自己重写里面两个方法，就可以用了：
  
• 里面的forward函数，就是一个单纯的前向传播：
  

可以运行的代码

# ！usr/bin/env python3
# -*- coding:utf-8 -*-

"""
author :24nemo
 date  :2021年07月07日
"""

'''
这个部分的重点，在于了解 nn.Module 的使用，找好 官网上的 位置，注意以下 import 的内容，和 nn 与 torch 的关系

我不能 debug ，所以没有体会一次这个过程，之前不能用debug的原因，是numpy和python的版本不对齐，原来是pyhton3.6，而装了numpy1.9，我重新安装了numpy1.5.1就可以用了

'''
'''
以下是视频中的代码，另外把 官网上的代码敲一遍。这部分很重要的，还需要再看，了解清楚输入和调用神经网络模型的步骤，视频第15分钟的时候，再看看，尤其是调用forward的时候
'''
import torch
from torch import nn


class Tudui(nn.Module):
    def __init__(self):  # 这里是有操作的，code -> generate -> override methods -> --init__(self.Module) 可以快速重写这部分内容补全
        super().__init__()

    def forward(self, input):
        output = input + 23
        return output


tudui = Tudui()  # 用 Tudui 为模板，创建的神经网络实例
x = torch.tensor(1.0)  # 这一步，处理x，使其成为 tensor 形式，这里不仅可以输入数字，还可以是图像或者其他内容
output = tudui(x)  # 这一步是把 x 放进神经网络当中，命名为 output
print(output)

完整目录

• P6-P7 数据加载
• P8-9 Tensorboard使用
• P10-11 Transform的用法
• P12-13 常用的tranforms
• P14 torchvision中的数据集的使用
• P15 dataloader的使用
• P16 nn.Module
• P17 卷积
• P18 卷积层使用
• P19 池化
• P20 ReLU
• P21线性层和其它层
• P22 squential和小实战
• P23 loss function
• P24 优化器
• P25 pytorch中现有模型
• P26 网络模型的保存和加载
• P27、28、29 完整的模型套路
• P30 GPU加速
• P31 GPU加速_2
• P32 完整的模型验证套路
• P33 github的使用