-
基础
torch.nn 是 PyTorch 中用于构建神经网络的模块。nn.Module包含网络各层的定义及forward方法。
在用户自定义神经网络时,需要继承自nn.Module类。通过继承 nn.Module 类,您可以创建自己的神经网络模型,并定义模型的结构和操作。
torch.nn 模块中常用的一些类和函数:
nn.Linear: 线性层,用于定义全连接层。
nn.Conv2d: 二维卷积层,用于处理图像数据。
nn.ReLU: ReLU 激活函数。
nn.Sigmoid: Sigmoid 激活函数。
nn.Dropout: Dropout 层,用于正则化和防止过拟合。
nn.CrossEntropyLoss: 交叉熵损失函数,通常用于多类别分类问题。
nn.MSELoss: 均方误差损失函数,通常用于回归问题。
nn.Sequential: 顺序容器,用于按顺序组合多个层。
还能使用 PyTorch 提供的优化器(如 torch.optim)和损失函数来训练和优化模型。 -
使用
import torch
from torch.nn import Module
class yaya(Module):def __init__(self):super().__init__()def forward(self,input):output = input+1return outputtu = yaya()
x = torch.tensor(1.0)
output = tu(x)
print(output)