14.神经网络的基本骨架 - nn.Module 的使用

神经网络的基本骨架 - nn.Module 的使用

Pytorch官网左侧：Python API（相当于package，提供了一些不同的工具）

关于神经网络的工具主要在torch.nn里

网站地址：torch.nn --- PyTorch 1.8.1 documentation

Containers

Containers 包含6个模块：

Module
Sequential
ModuleList
ModuleDict
ParameterList
ParameterDict

其中最常用的是 Module 模块 （为所有神经网络提供基本骨架）

复制代码

CLASS torch.nn.Module  #搭建的Model都必须继承该类

模板：

复制代码

import torch.nn as nn
import torch.nn.functional as F
 
class Model(nn.Module):   #搭建的神经网络 Model继承了 Module类（父类）
    def __init__(self):   #初始化函数
        super(Model, self).__init__()   #必须要这一步，调用父类的初始化函数
        self.conv1 = nn.Conv2d(1, 20, 5)
        self.conv2 = nn.Conv2d(20, 20, 5)
 
    def forward(self, x):   #前向传播（为输入和输出中间的处理过程），x为输入
        x = F.relu(self.conv1(x))   #conv为卷积，relu为非线性处理
        return F.relu(self.conv2(x))

代码中比较重要：

前向传播 forward（在所有子类中进行重写）

反向传播 backward

实战

先介绍pycharm的实用工具，使用 Code ---> Generate ---> Override Methods 可以自动补全代码

例子：

复制代码

import torch
from torch import nn
 
 
class Tudui(nn.Module):
    def __init__(self):
        super().__init__()
 
    # def __init__(self):
    #     super(Tudui, self).__init__()
 
    def forward(self,input):
        output = input + 1
        return output
 
tudui = Tudui()   #拿Tudui模板创建出的神经网络
x = torch.tensor(1.0)  #将1.0这个数转换成tensor类型
output = tudui(x)
print(output)

上面的代码根据网站所提供的案例模版得到

运行结果：

debug看流程

在下列语句前打断点：

复制代码

tudui = Tudui()   #整个程序的开始

然后点击蜘蛛，点击 Step into My Code，可以看到代码每一步的执行过程

i() #整个程序的开始

复制代码

然后点击蜘蛛，点击 Step into My Code，可以看到代码每一步的执行过程

[外链图片转存中...(img-8Rp3mCOt-1724861486484)]