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
盼小辉丶13 分钟前
TensorFlow深度学习实战——去噪自编码器详解与实现
人工智能·深度学习·tensorflow
kebijuelun1 小时前
百度文心 4.5 大模型详解:ERNIE 4.5 Technical Report
人工智能·深度学习·百度·语言模型·自然语言处理·aigc
我真不会起名字啊1 小时前
OpenSceneGraph(OSG)开发学习
学习
永日456701 小时前
学习日记-spring-day42-7.7
java·学习·spring
微学AI3 小时前
遥感影像岩性分类:基于CNN与CNN-EL集成学习的深度学习方法
深度学习·分类·cnn
IT古董4 小时前
【第三章:神经网络原理详解与Pytorch入门】02.深度学习框架PyTorch入门-(5)PyTorch 实战——使用 RNN 进行人名分类
pytorch·深度学习·神经网络
Love__Tay4 小时前
笔记/云计算基础
笔记·学习·云计算
机器学习之心5 小时前
小波增强型KAN网络 + SHAP可解释性分析(Pytorch实现)
人工智能·pytorch·python·kan网络
视觉语言导航6 小时前
ICCV-2025 | 复杂场景的精准可控生成新突破!基于场景图的可控 3D 户外场景生成
人工智能·深度学习·具身智能
wuxuanok7 小时前
Web后端开发-分层解耦
java·笔记·后端·学习