本文主要是介绍14.神经网络的基本骨架 - nn.Module 的使用，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
神经网络的基本骨架 - nn.Module 的使用
Pytorch官网左侧：Python API（相当于package，提供了一些不同的工具）
关于神经网络的工具主要在torch.nn里
网站地址：torch.nn — PyTorch 1.8.1 documentation
Containers
Containers 包含6个模块：
- Module
- Sequential
- ModuleList
- ModuleDict
- ParameterList
- ParameterDict
其中最常用的是 Module 模块（为所有神经网络提供基本骨架）
CLASS torch.nn.Module #搭建的Model都必须继承该类
模板：
import torch.nn as nn
import torch.nn.functional as Fclass Model(nn.Module): #搭建的神经网络 Model继承了 Module类（父类）def __init__(self): #初始化函数super(Model, self).__init__() #必须要这一步，调用父类的初始化函数self.conv1 = nn.Conv2d(1, 20, 5)self.conv2 = nn.Conv2d(20, 20, 5)def forward(self, x): #前向传播（为输入和输出中间的处理过程），x为输入x = F.relu(self.conv1(x)) #conv为卷积，relu为非线性处理return F.relu(self.conv2(x))
代码中比较重要：
前向传播 forward（在所有子类中进行重写）
反向传播 backward
实战
先介绍pycharm的实用工具，使用 Code —> Generate —> Override Methods 可以自动补全代码
例子：
import torch
from torch import nnclass Tudui(nn.Module):def __init__(self):super().__init__()# def __init__(self):# super(Tudui, self).__init__()def forward(self,input):output = input + 1return outputtudui = Tudui() #拿Tudui模板创建出的神经网络
x = torch.tensor(1.0) #将1.0这个数转换成tensor类型
output = tudui(x)
print(output)
上面的代码根据网站所提供的案例模版得到
运行结果：
debug看流程
在下列语句前打断点：
tudui = Tudui() #整个程序的开始
然后点击蜘蛛，点击 Step into My Code，可以看到代码每一步的执行过程
i() #整个程序的开始
然后点击蜘蛛，点击 Step into My Code，可以看到代码每一步的执行过程[外链图片转存中...(img-8Rp3mCOt-1724861486484)]这篇关于14.神经网络的基本骨架 - nn.Module 的使用的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
