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。
  • 在__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
chh5633 小时前
从 BERT 到大模型:让模型从“会接龙”到“会回答
人工智能·深度学习·bert
yiangL_6 小时前
Python 学习笔记:递归、turtle绘图、字符串与函数
笔记·python·学习
优化Henry9 小时前
LTE 站点 S1 链路反复闪断导致小区频闪退服故障排查
运维·网络·学习·信息与通信·tdd
汤姆宝库11 小时前
RoPE旋转位置编码的实现与长上下文外推
python·深度学习·机器学习
tellmewhoisi12 小时前
深度学习0:数学知识:(L1正则化和L2正则化)
人工智能·深度学习
β添砖java13 小时前
Transformer大白话学习笔记
笔记·学习·transformer
AI小怪兽13 小时前
你的视觉基础模型会说“植物语“吗?面向目标检测的视觉基础模型植物语法
人工智能·深度学习·机器学习
kevin_org17 小时前
LangChain入门学习(四)
python·学习·langchain·fastapi
罗西的思考1 天前
【轻量化复现大模型 / KIMI K3】MTP / EAGLE‑3 模块交互式演示
人工智能·深度学习·算法