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。
文章目录
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: