學(xué)習(xí)pytorch7 神經(jīng)網(wǎng)絡(luò)的基本骨架--nn,module的使用

2年前作者：陌上陽光分類：Toy博客閱讀(50)違法舉報

這篇具有很好參考價值的文章主要介紹了學(xué)習(xí)pytorch7 神經(jīng)網(wǎng)絡(luò)的基本骨架--nn,module的使用。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方，請大家不吝賜教，您也可以點擊"舉報違法"按鈕提交疑問。

B站小土堆視頻學(xué)習(xí)筆記

官網(wǎng)Module介紹

https://pytorch.org/docs/stable/generated/torch.nn.Module.html#torch.nn.Module

學(xué)習(xí)pytorch7 神經(jīng)網(wǎng)絡(luò)的基本骨架--nn,module的使用,學(xué)習(xí)pytorch,python,pytorch

Python父類子類繼承關(guān)系

https://www.php.cn/faq/555151.html

前向神經(jīng)網(wǎng)絡(luò)

前向傳播
學(xué)習(xí)pytorch7 神經(jīng)網(wǎng)絡(luò)的基本骨架--nn,module的使用,學(xué)習(xí)pytorch,python,pytorch

學(xué)習(xí)pytorch7 神經(jīng)網(wǎng)絡(luò)的基本骨架--nn,module的使用,學(xué)習(xí)pytorch,python,pytorch
與之對應(yīng)的還有反向傳播

推薦課程

吳恩達(dá)卷積
李宏毅深度學(xué)習(xí) cnn
同濟(jì)子豪兄神經(jīng)網(wǎng)絡(luò)

pycharm快捷鍵重寫類方法

code–>Generate–>override Methods–>init 重寫init方法
學(xué)習(xí)pytorch7 神經(jīng)網(wǎng)絡(luò)的基本骨架--nn,module的使用,學(xué)習(xí)pytorch,python,pytorch

code

import torch
from torch import nn
class my_neural_network(nn.Module):
    def __init__(self):
        super().__init__()
    def forward(self, input):
        output = input + 1
        return output
my_net = my_neural_network()
# x = torch.Tensor(1.0)  # TypeError: new(): data must be a sequence (got float)
x = torch.tensor(1.0)
output = my_net(x)
print(output)

debug

torch.tensor和torch.Tensor的區(qū)別
torch.tensor是方法，可以將參數(shù)轉(zhuǎn)換為tensor數(shù)據(jù)類型，輸入可以是序列【列表】、元組、ndarray，也可以是單獨一個數(shù)等多種數(shù)據(jù)類型
torch.Tensor是一個類輸入?yún)?shù)需要是一個序列比如列表

https://blog.csdn.net/qq_36930266/article/details/104602792文章來源地址http://www.zghlxwxcb.cn/news/detail-696400.html

到了這里，關(guān)于學(xué)習(xí)pytorch7 神經(jīng)網(wǎng)絡(luò)的基本骨架--nn,module的使用的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！

本文來自互聯(lián)網(wǎng)用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務(wù)，不擁有所有權(quán)，不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載，請注明出處：如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實不符，請點擊違法舉報進(jìn)行投訴反饋，一經(jīng)查實，立即刪除！

分享到：

領(lǐng)支付寶紅包贊助服務(wù)器費用

pytorch學(xué)習(xí)——線性神經(jīng)網(wǎng)絡(luò)——1線性回歸
概要：線性神經(jīng)網(wǎng)絡(luò)是一種最簡單的神經(jīng)網(wǎng)絡(luò)模型，它由若干個線性變換和非線性變換組成。線性變換通常表示為矩陣乘法，非線性變換通常是一個逐元素的非線性函數(shù)。線性神經(jīng)網(wǎng)絡(luò)通常用于解決回歸和分類問題。 ????????線性回歸是一種常見的機(jī)器學(xué)習(xí)算法，用于建
2024年02月15日
瀏覽(24)
PyTorch入門學(xué)習(xí)（八）：神經(jīng)網(wǎng)絡(luò)-卷積層
目錄一、數(shù)據(jù)準(zhǔn)備二、創(chuàng)建卷積神經(jīng)網(wǎng)絡(luò)模型三、可視化卷積前后的圖像一、數(shù)據(jù)準(zhǔn)備首先，需要準(zhǔn)備一個數(shù)據(jù)集來演示卷積層的應(yīng)用。在這個示例中，使用了CIFAR-10數(shù)據(jù)集，該數(shù)據(jù)集包含了10個不同類別的圖像數(shù)據(jù)，用于分類任務(wù)。使用PyTorch的 torchvision 庫來加載CIFAR-1
2024年02月07日
瀏覽(31)
小白的機(jī)器學(xué)習(xí)之路（四）神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識：基于pytorch搭建自己的神經(jīng)網(wǎng)絡(luò)
當(dāng)前交通大數(shù)據(jù)業(yè)務(wù)的需要，需要承擔(dān)一部分算法工作（數(shù)據(jù)處理）目標(biāo)四：學(xué)習(xí)深度學(xué)習(xí)基礎(chǔ)：了解神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)、反向傳播算法和激活函數(shù)等。目標(biāo)任務(wù)：使用深度學(xué)習(xí)算法構(gòu)建一個簡單的神經(jīng)網(wǎng)絡(luò)模型，并訓(xùn)練模型。學(xué)習(xí)計劃小貼士：每天定期復(fù)習(xí)前幾天的
2024年02月15日
瀏覽(21)
Pytorch深度學(xué)習(xí)-----神經(jīng)網(wǎng)絡(luò)之線性層用法
PyTorch深度學(xué)習(xí)——Anaconda和PyTorch安裝 Pytorch深度學(xué)習(xí)-----數(shù)據(jù)模塊Dataset類 Pytorch深度學(xué)習(xí)------TensorBoard的使用 Pytorch深度學(xué)習(xí)------Torchvision中Transforms的使用（ToTensor，Normalize，Resize ，Compose，RandomCrop） Pytorch深度學(xué)習(xí)------torchvision中dataset數(shù)據(jù)集的使用（CIFAR10） Pytorch深度學(xué)習(xí)--
2024年02月14日
瀏覽(24)
動手學(xué)深度學(xué)習(xí)-pytorch版本（二）：線性神經(jīng)網(wǎng)絡(luò)
參考引用動手學(xué)深度學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò)的整個訓(xùn)練過程，包括: 定義簡單的神經(jīng)網(wǎng)絡(luò)架構(gòu)、數(shù)據(jù)處理、指定損失函數(shù)和如何訓(xùn)練模型。經(jīng)典統(tǒng)計學(xué)習(xí)技術(shù)中的線性回歸和 softmax 回歸可以視為線性神經(jīng)網(wǎng)絡(luò) 1.1 線性回歸回歸 (regression) 是能為一個或多個自變量與因變量之間關(guān)系建
2024年02月12日
瀏覽(50)
PyTorch入門學(xué)習(xí)（十）：神經(jīng)網(wǎng)絡(luò)-非線性激活
目錄一、簡介二、常見的非線性激活函數(shù) 三、實現(xiàn)非線性激活函數(shù) 四、示例：應(yīng)用非線性激活函數(shù) 一、簡介在神經(jīng)網(wǎng)絡(luò)中，激活函數(shù)的主要目的是引入非線性特性，從而使網(wǎng)絡(luò)能夠?qū)Ψ蔷€性數(shù)據(jù)建模。如果只使用線性變換，那么整個神經(jīng)網(wǎng)絡(luò)就會退化為一個線性模型，因
2024年02月06日
瀏覽(22)
Pytorch入門學(xué)習(xí)——快速搭建神經(jīng)網(wǎng)絡(luò)、優(yōu)化器、梯度計算
我的代碼可以在我的Github找到 GIthub地址 https://github.com/QinghongShao-sqh/Pytorch_Study 因為最近有同學(xué)問我如何Nerf入門，這里就簡單給出一些我的建議：（1）基本的pytorch，機(jī)器學(xué)習(xí)，深度學(xué)習(xí)知識，本文介紹的pytorch知識掌握也差不多. 機(jī)器學(xué)習(xí)、深度學(xué)習(xí)零基礎(chǔ)的話B站?吳恩達(dá)、
2024年02月14日
瀏覽(20)
PyTorch入門學(xué)習(xí)（九）：神經(jīng)網(wǎng)絡(luò)-最大池化使用
目錄一、數(shù)據(jù)準(zhǔn)備二、創(chuàng)建神經(jīng)網(wǎng)絡(luò)模型三、可視化最大池化效果一、數(shù)據(jù)準(zhǔn)備首先，需要準(zhǔn)備一個數(shù)據(jù)集來演示最大池化層的應(yīng)用。在本例中，使用了CIFAR-10數(shù)據(jù)集，這是一個包含10個不同類別圖像的數(shù)據(jù)集，用于分類任務(wù)。我們使用PyTorch的 torchvision 庫來加載CIFAR-10數(shù)據(jù)
2024年02月07日
瀏覽(30)
《Pytorch深度學(xué)習(xí)和圖神經(jīng)網(wǎng)絡(luò)(卷 2)》學(xué)習(xí)筆記——第一章
PyTorch深度學(xué)習(xí)和圖神經(jīng)網(wǎng)絡(luò)（卷2）——開發(fā)應(yīng)用一書配套代碼： https://github.com/aianaconda/pytorch-GNN-2nd- 百度網(wǎng)盤鏈接：https://pan.baidu.com/s/1dnq5IbFjjdekAR54HLb9Pg 提取碼：k7vi 壓縮包密碼：dszn 2012年起，在ILSVRC競賽中獲得冠軍的模型如下 2012年：AlexNet 2013年：OverFeat 2014年：GoogLeNet、
2024年02月16日
瀏覽(18)
卷積神經(jīng)網(wǎng)絡(luò)——上篇【深度學(xué)習(xí)】【PyTorch】【d2l】
5.1.1、理論部分全連接層后，卷積層出現(xiàn)的意義？一個足夠充分的照片數(shù)據(jù)集，輸入，全連接層參數(shù)，GPU成本，訓(xùn)練時間是巨大的。（convolutional neural networks，CNN）是機(jī)器學(xué)習(xí)利用自然圖像中一些已知結(jié)構(gòu)的創(chuàng)造性方法，需要更少的參數(shù)，在處理圖像和其他類型的結(jié)構(gòu)化數(shù)據(jù)
2024年02月12日
瀏覽(23)