pytorch -- torch.nn.Module

斑驳的岁月2024-02-29 8:21

基础

torch.nn 是 PyTorch 中用于构建神经网络的模块。nn.Module包含网络各层的定义及forward方法。

在用户自定义神经网络时，需要继承自nn.Module类。通过继承 nn.Module 类，您可以创建自己的神经网络模型，并定义模型的结构和操作。
torch.nn 模块中常用的一些类和函数：

nn.Linear: 线性层，用于定义全连接层。

nn.Conv2d: 二维卷积层，用于处理图像数据。

nn.ReLU: ReLU 激活函数。

nn.Sigmoid: Sigmoid 激活函数。

nn.Dropout: Dropout 层，用于正则化和防止过拟合。

nn.CrossEntropyLoss: 交叉熵损失函数，通常用于多类别分类问题。

nn.MSELoss: 均方误差损失函数，通常用于回归问题。

nn.Sequential: 顺序容器，用于按顺序组合多个层。

还能使用 PyTorch 提供的优化器（如 torch.optim）和损失函数来训练和优化模型。
使用

python 复制代码

import torch
from torch.nn import Module
class yaya(Module):

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

tu = yaya()
x = torch.tensor(1.0)
output = tu(x)
print(output)