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
呆头鹅AI工作室几秒前
[2025CVPR-目标检测方向] CorrBEV:多视图3D物体检测
人工智能·深度学习·神经网络·目标检测·计算机视觉·3d·卷积神经网络
大龄门外汉4 分钟前
CPP学习之list使用及模拟实现
windows·学习·list
超浪的晨11 分钟前
Java List 集合详解:从基础到实战,掌握 Java 列表操作全貌
java·开发语言·后端·学习·个人开发
超浪的晨16 分钟前
Java Set 集合详解:从基础语法到实战应用,彻底掌握去重与唯一性集合
java·开发语言·后端·学习·个人开发
香蕉可乐荷包蛋37 分钟前
Python学习之路(十三)-常用函数的使用,及优化
开发语言·python·学习
许白掰1 小时前
Linux入门篇学习——借助 U 盘或 TF 卡拷贝程序到开发板上
linux·学习·借助 u 盘拷贝程序到开发板上·借助 tf卡拷贝程序到开发板上
AndrewHZ2 小时前
【图像处理基石】如何入门色彩评估?
图像处理·人工智能·深度学习·色彩科学·hvs·色彩评估·颜色工程
静心问道2 小时前
TrOCR: 基于Transformer的光学字符识别方法,使用预训练模型
人工智能·深度学习·transformer·多模态
亲持红叶2 小时前
GLU 变种:ReGLU 、 GEGLU 、 SwiGLU
人工智能·深度学习·神经网络·激活函数
石迹耿千秋8 小时前
迁移学习--基于torchvision中VGG16模型的实战
人工智能·pytorch·机器学习·迁移学习