神经网络骨架nn.Module

文章目录

一、认识nn.Module

nn.Module 是 PyTorch 中的一个核心类,它是所有神经网络模块的基类。在 PyTorch 中构建模型时,通常会继承这个类来创建自定义的网络结构。nn.Module 提供了一系列用于构建神经网络的工具和方法,

具体有:

  • 层注册:可以通过 add_module 方法或者在 init 方法中使用 self. =
    的方式向模块中添加子模块(即层)。这些子模块可以是其他 nn.Module 的实例,如 nn.Linear、nn.Conv2d 等。
  • 参数管理:nn.Module 自动跟踪所有子模块的参数(如权重和偏置),使得参数的管理和更新变得更加方便。
  • 前向传播:通过定义 forward 方法来指定模型的前向传播逻辑。当模型被调用时(例如 model(input)),forward
    方法会被执行,并且输入数据会按照 forward 方法中定义的方式进行处理。
  • 训练模式与评估模式:nn.Module 有一个 .train() 方法用于设置模型为训练模式(启用 Dropout 等),以及一个
    .eval() 方法用于设置模型为评估模式(禁用 Dropout 等)。
  • 参数优化:nn.Module 可以与优化器(如 torch.optim.Adam 或
    torch.optim.SGD)配合使用,优化器会利用模型的参数进行梯度下降等优化操作。

二、nn.Module的基础加1操作

进行一个非常简单的操作:对输入数据加1。

bash 复制代码
import torch
from torch import nn

class Tudui(nn.Module):
    def __init__(self):
        #这行代码调用了父类(即nn.Module)的初始化函数。在PyTorch中,这是必要的,因为它会设置一些内部结构,使得模型可以正确地注册参数和子模块。
        super().__init__()

    #这是定义模型前向传播的函数。在PyTorch中,forward函数指定了如何将输入数据转换为输出数据。这个函数必须定义,因为它是模型的核心。
    def forward(self,input):
        output = input + 1
        return output

tudui = Tudui()
x = torch.tensor(1.0)
output = tudui(x)
print(output)

运行结果:

注:这是因为将一个值为 1.0 的张量 x 传递给模型,模型将其增加 1,所以输出是 2.0。

相关推荐
文火冰糖的硅基工坊7 分钟前
[嵌入式系统-100]:常见的IoT(物联网)开发板
人工智能·物联网·架构
刘晓倩35 分钟前
实战任务二:用扣子空间通过任务提示词制作精美PPT
人工智能
却道天凉_好个秋36 分钟前
OpenCV(七):BGR
opencv·计算机视觉
shut up38 分钟前
LangChain - 如何使用阿里云百炼平台的Qwen-plus模型构建一个桌面文件查询AI助手 - 超详细
人工智能·python·langchain·智能体
Hy行者勇哥40 分钟前
公司全场景运营中 PPT 的类型、功能与作用详解
大数据·人工智能
宝贝儿好1 小时前
【python】第五章:python-GUI编程
python·pyqt
FIN66681 小时前
昂瑞微:实现精准突破,攻坚射频“卡脖子”难题
前端·人工智能·安全·前端框架·信息与通信
FIN66681 小时前
昂瑞微冲刺科创板:硬科技与资本市场的双向奔赴
前端·人工智能·科技·前端框架·智能
m0_677034351 小时前
机器学习-推荐系统(下)
人工智能·机器学习
XIAO·宝1 小时前
深度学习------专题《神经网络完成手写数字识别》
人工智能·深度学习·神经网络