PyTorch入门学习(六):神经网络的基本骨架使用

目录

一、引言

二、创建神经网络骨架

三、执行前向传播


一、引言

神经网络是深度学习的基础。在PyTorch中,可以使用nn.Module类创建自定义神经网络模型。本文将演示如何创建一个简单的神经网络骨架并执行前向传播操作。

二、创建神经网络骨架

首先,导入PyTorch库并创建一个继承自nn.Module的自定义神经网络模型:

python 复制代码
import torch
from torch import nn

class Tudui(nn.Module):
    def __init__(self):
        super().__init__()

    def forward(self, input):
        output = input + 1
        return output

tudui = Tudui()
  • 导入PyTorch库以便使用深度学习工具。
  • 创建一个名为Tudui的自定义神经网络模型,它继承自nn.Module
  • __init__方法中,调用父类的构造函数,初始化神经网络。
  • forward方法定义神经网络的前向传播过程,其中对输入进行了简单的操作,将输入加1。

三、执行前向传播

接下来,执行前向传播操作,将输入数据传递给神经网络模型:

python 复制代码
x = torch.tensor(1.0)
output = tudui(x)
print(output)
  • 创建一个名为x的张量,其值为1.0,作为输入数据。
  • 通过调用Tudui模型的实例tudui并传递输入数据x,执行前向传播操作。
  • 最后,打印前向传播的输出结果。

完整代码如下:

python 复制代码
import torch
from torch import nn

# 创建一个自定义神经网络模型 Tudui
class Tudui(nn.Module):
    def __init__(self):
        super().__init__()

    def forward(self, input):
        # 前向传播函数,将输入加1并返回
        output = input + 1
        return output

# 创建 Tudui 类的实例 tudui
tudui = Tudui()

# 创建一个张量 x,值为1.0,作为输入数据
x = torch.tensor(1.0)

# 将输入 x 传递给 tudui 模型,执行前向传播
output = tudui(x)

# 打印前向传播的输出结果
print(output)

参考资料:

视频教程:PyTorch深度学习快速入门教程(绝对通俗易懂!)【小土堆】

相关推荐
什么芮.31 分钟前
spark-streaming
pytorch·sql·spark·kafka·scala
丰锋ff32 分钟前
考研英一学习笔记
笔记·学习·考研
hnlucky1 小时前
redis 数据类型新手练习系列——Hash类型
数据库·redis·学习·哈希算法
小宋加油啊1 小时前
深度学习小记(包括pytorch 还有一些神经网络架构)
pytorch·深度学习·神经网络
沛沛老爹1 小时前
从线性到非线性:简单聊聊神经网络的常见三大激活函数
人工智能·深度学习·神经网络·激活函数·relu·sigmoid·tanh
Invinciblenuonuo1 小时前
FreeRTOS学习笔记【10】-----任务上下文切换
笔记·学习
好奇龙猫1 小时前
日语学习-日语知识点小记-构建基础-JLPT-N4阶段(11): てあります。
学习
何大春1 小时前
【视频时刻检索】Text-Video Retrieval via Multi-Modal Hypergraph Networks 论文阅读
论文阅读·深度学习·神经网络·计算机视觉·视觉检测·论文笔记
2501_915373882 小时前
Node.js 学习入门指南
学习·node.js
旧故新长2 小时前
支持Function Call的本地ollama模型对比评测-》开发代理agent
人工智能·深度学习·机器学习