6、PyTorch中搭建分类网络实例

1. 重要类

  • nn.Module
  • nn.flatten
  • nn.linear
  • nn.relu
  • to.device
  • torch.cuda.is_available
  • nn.softmax
  • nn.argmax
  • nn.sequential
  • nn.conv2d
  • add_module
  • buffer
  • load_state_dict
  • named_parameters
  • requires_grad
  • save_check_points

2. 代码测试

python 复制代码
import torch
from torch import nn
from torch.nn import Module

torch.set_printoptions(precision=3)


class MyModelTest(Module):
    def __init__(self):
        super(MyModelTest, self).__init__()
        self.linear_1 = nn.Linear(3, 4)
        self.relu = nn.ReLU()
        self.linear_2 = nn.Linear(4, 5)

    def forward(self, x):
        x = self.linear_1(x)
        x = self.relu(x)
        y = self.linear_2(x)
        return y


if __name__ == "__main__":
    matrix = torch.arange(3,dtype=torch.float)
    my_softmax = nn.Softmax(dim=0)
    output = my_softmax(matrix)
    print(f"matrix=\n{matrix}")
    print(f"output=\n{output}")
    my_model = MyModelTest()
    for name, param in my_model.named_parameters():
        print(f"layer:{name}\n|size:{param.size()}\n|values:{param[:2]}\n")
  • 结果:
python 复制代码
matrix=
tensor([0., 1., 2.])
output=
tensor([0.090, 0.245, 0.665])
layer:linear_1.weight
|size:torch.Size([4, 3])
|values:tensor([[-0.544, -0.492,  0.190],
        [-0.424, -0.068,  0.134]], grad_fn=<SliceBackward0>)

layer:linear_1.bias
|size:torch.Size([4])
|values:tensor([0.295, 0.306], grad_fn=<SliceBackward0>)

layer:linear_2.weight
|size:torch.Size([5, 4])
|values:tensor([[ 0.489,  0.018,  0.314,  0.497],
        [ 0.364, -0.455,  0.047, -0.215]], grad_fn=<SliceBackward0>)

layer:linear_2.bias
|size:torch.Size([5])
|values:tensor([-0.027,  0.190], grad_fn=<SliceBackward0>)
相关推荐
后端小肥肠13 分钟前
公众号想做 10w + 趣味漫画还在卡壳?Coze 工作流从 0 到 1 教你搭,难点全拆 + 一键出稿
人工智能·aigc·coze
xz2024102****20 分钟前
吴恩达机器学习作业二:线性可分逻辑回归
人工智能·机器学习·逻辑回归
机器之心29 分钟前
AAAI-26投稿量爆炸:近3万篇论文,2万来自中国,评审系统都快崩了
人工智能·openai
AI浩1 小时前
YOLOv8-SMOT:一种高效鲁棒的实时小目标跟踪框架:基于切片辅助训练与自适应关联
人工智能·yolo·目标跟踪
兰亭妙微1 小时前
用户体验设计 | 什么是 AX?从 UX 到 AX 的演进
人工智能·交互·ux·用户体验设计公司
森诺Alyson1 小时前
前沿技术借鉴研讨-2025.8.26(多任务分类/预测)
论文阅读·人工智能·经验分享·论文讨论
lisw051 小时前
医学冥思:生物技术的下一次革命
人工智能·微服务·学习方法·冥想
樱花的浪漫1 小时前
CUDA的编译与调试
人工智能·深度学习·语言模型·自然语言处理
掘金一周1 小时前
DeepSeek删豆包冲上热搜,大模型世子之争演都不演了 | 掘金一周 8.28
前端·人工智能·后端
小鹿的工作手帐2 小时前
有鹿机器人如何用科技与创新模式破解行业难题
大数据·人工智能·科技·机器人