Pytorch学习笔记——神经网络基本框架

一、神经网络是什么

神经网络在人工智能和深度学习的领域,一般称为人工神经网络,即ANN(Artificial Neural Network),是一种模仿人脑神经系统工作方式的计算模型。被广泛应用于人工智能、自动控制、机器人、统计学等领域的信息处理中。

二、如何搭建一个属于自己的神经网络

搭建一个神经网络,需要借用torch中的nn模块,也就是Neural Network(神经网络)模块

还是要遵循以下的步骤:导包------构造神经网络骨架(模型)------定义实体类(调用辅助类或函数)------调用输入数据进行训练------得出训练结果

1、导包

python 复制代码
import torch
from torch import nn

2、搭建神经网络模型

python 复制代码
class W(nn.Module):

    def __init__(self):
        super(W,self).__init__() 

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

这个自定义的W神经网络训练模型继承于nn的Module模块。Module模块用于搭建最基本的神经网络骨架,它是所有神经网络模块的基类。

里面需要重写两个函数,一个是构造函数init,一个是前向函数forward(区别于backword反向传播,后面会学习到),super()的作用是调用父类构造函数确保子函数正常运行,在forward中可以写相关的训练操作

可以参考Pytorch的官方文档,里面有对Module的详细介绍

Module --- PyTorch 2.3 documentationhttps://pytorch.org/docs/stable/generated/torch.nn.Module.html#torch.nn.Module

3、利用模型训练

创建神经网络模型实例对象,利用数据进行训练,得出训练结果并输出

注意:输入的类型为tensor张量

python 复制代码
w = W()
x = torch.tensor(1.0)

输出的训练结果为tensor张量

bash 复制代码
tensor(2.)

三、完整代码展示

python 复制代码
# -*- coding: utf-8 -*-
# @Author: hxm
import torch
from torch import nn

class W(nn.Module):

    def __init__(self):
        super(W, self).__init__()

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

w = W()
x = torch.tensor(1.0)
output = w(x)
print(output)
相关推荐
_落纸2 天前
三大基础无源电子元件——电阻(R)、电感(L)、电容(C)
笔记
Alice-YUE2 天前
【CSS学习笔记3】css特性
前端·css·笔记·html
2303_Alpha2 天前
SpringBoot
笔记·学习
萘柰奈2 天前
Unity学习----【进阶】TextMeshPro学习(三)--进阶知识点(TMP基础设置,材质球相关,两个辅助工具类)
学习·unity
沐矢羽2 天前
Tomcat PUT方法任意写文件漏洞学习
学习·tomcat
好奇龙猫2 天前
日语学习-日语知识点小记-进阶-JLPT-N1阶段蓝宝书,共120语法(10):91-100语法+考え方13
学习
l12345sy2 天前
Day24_【深度学习—广播机制】
人工智能·pytorch·深度学习·广播机制
向阳花开_miemie2 天前
Android音频学习(十八)——混音流程
学习·音视频
工大一只猿2 天前
51单片机学习
嵌入式硬件·学习·51单片机
c0d1ng2 天前
量子计算学习(第十四周周报)
学习·量子计算