一、前置知识

1.nn是什么

在深度学习中，“nn” 通常是指神经网络（Neural Network）的缩写。神经网络是一种由大量神经元（neurons）相互连接而成的模型，它们模仿人类大脑的结构和功能，用于学习和处理复杂的模式和数据。

神经网络在深度学习领域扮演着重要的角色，被广泛应用于图像识别、语音识别、自然语言处理等各种任务。神经网络的基本组成部分是神经元（neuron），每个神经元接收来自前一层神经元的输入，并通过权重和激活函数进行计算，最终产生输出。

神经网络通常包含多个层次，包括输入层、隐藏层和输出层。通过调整神经元之间的连接权重和偏置，神经网络可以学习到输入数据的特征并进行预测或分类任务。

2.nn如何使用

基本步骤：

（1）导入 nn 模块：首先，需要导入 PyTorch 的 nn 模块。通常的导入语句是 from torch import nn。

（2）定义神经网络模型类：接下来，定义一个神经网络模型类，通常继承自 nn.Module 类。在这个类中，你可以定义模型的结构，包括各种层（如全连接层、卷积层等）以及前向传播方法 forward。

（3）在模型类的构造函数 init 中定义网络层：在模型类的构造函数中，可以使用 nn 模块提供的各种层类来定义网络的结构，比如 nn.Linear（全连接层）、nn.Conv2d（卷积层）、nn.ReLU（ReLU激活函数）等。

（4）实现前向传播方法 forward：在模型类中实现 forward 方法，指定数据在网络中前向传播的流程，即数据如何通过各个层进行计算并输出结果。

（5）实例化模型：通过实例化定义的模型类，可以创建一个可用于处理数据的神经网络模型。

（6）将输入数据传递给模型：将输入数据传递给实例化后的模型，调用模型的 forward 方法进行前向计算，得到输出结果。

二、代码

# 原作者：b站小土堆
# 云霄星乖乖的果冻
# 微博、小红书、b站等平台同名import torch
from torch import nn# 定义一个自定义的神经网络模型 Guodong
class Guodong(nn.Module):def __init__(self, *args, **kwargs) -> None:super().__init__()  # 调用父类构造函数进行初始化def forward(self, input):output = input + 1  # 在 forward 方法中定义前向传播计算，这里简单地对输入数据加1return output# 实例化 Guodong 模型
guodong = Guodong()# 创建一个张量作为输入
x = torch.tensor(1.0)# 将输入数据传递给模型进行前向计算
result = guodong(x)# 打印输入和模型输出结果
print(x)
print(result)

程序运行结果：