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
taoqick3 小时前
对PosWiseFFN的改进: MoE、PKM、UltraMem
人工智能·pytorch·深度学习
CSDN_PBB4 小时前
[STM32 - 野火] - - - 固件库学习笔记 - - - 十五.设置FLASH的读写保护及解除
笔记·stm32·学习
小喵要摸鱼7 小时前
【Pytorch 库】自定义数据集相关的类
pytorch·python
鸡啄米的时光机7 小时前
vscode的一些实用操作
vscode·学习
Kai HVZ8 小时前
《深度学习》——调整学习率和保存使用最优模型
人工智能·深度学习·学习
守护者1709 小时前
JAVA学习-练习试用Java实现“使用Apache Ignite对大数据进行内存计算和快速筛查”
java·学习
夜流冰9 小时前
编程参考 - C语言可变参数
笔记
格雷亚赛克斯9 小时前
Qt笔记31-69
数据库·笔记·qt
Long_poem9 小时前
【自学笔记】版本控制与持续集成基础知识点总览-持续更新
笔记·ci/cd
懒大王今天不写代码10 小时前
为什么Pytorch中实例化模型会直接调用forward方法?
人工智能·pytorch·python