搭建pytorch神经网络的常用两种方式
‘‘‘本节说明搭建pytorch神经网络的常用两种方式 相比快速搭建法 第一种可以个性化设置网络结构‘‘‘ import torch import torch.nn.functional as F #方式1 用 class 继承了一个 torch 中的神经网络结构, 然后对其进行了修改 class Net(torch.nn.Module): def __init__(self, n_feature, n_hidden, n_output): super(Net, self).__init__() self.hidden = torch.nn.Linear(n_feature, n_hidden) self.predict = torch.nn.Linear(n_hidden, n_output) def forward(self, x): x = F.relu(self.hidden(x)) x = self.predict(x) return x net1=Net(1,10,1) #方式2 快速搭建模型 net2 = torch.nn.Sequential( torch.nn.Linear(1, 10), torch.nn.ReLU(), torch.nn.Linear(10, 1) ) #我们再对比一下两者的结构: print(net1) ‘‘‘Net( (hidden): Linear(in_features=1, out_features=10, bias=True) (predict): Linear(in_features=10, out_features=1, bias=True) )‘‘‘ print(net2) ‘‘‘Sequential( (0): Linear(in_features=1, out_features=10, bias=True) (1): ReLU() (2): Linear(in_features=10, out_features=1, bias=True) )‘‘‘ ‘‘‘结论:我们会发现 net2 多显示了一些内容, 这是为什么呢? 原来他把激励函数也一同纳入进去了, 但是 net1 中, 激励函数实际上是在 forward() 功能中才被调用的. 这也就说明了, 相比 net2, net1 的好处就是, 你可以根据你的个人需要更加个性化你自己的前向传播过程, 比如(RNN).‘‘‘
相关推荐
lemonade 2020-11-10
fengzhimohan 2020-11-02
walegahaha 2020-10-20
WFRainn 2020-10-19
WhiteHacker 2020-10-14
雜貨鋪 2020-10-13
zyhzyh 2020-10-09
cherry0 2020-09-23
demm 2020-09-18
zhaoyin 2020-09-16
绝望的乐园 2020-09-02
Site 2020-08-20
CristianoJason 2020-08-19
cetrolchen 2020-08-18
walegahaha 2020-08-15
georgesale 2020-08-14
XiaotingCheng 2020-08-13
码猿同学 2020-08-07
白飞飞Alan 2020-07-29