class Net(nn.Module)详细说明

`class Net(nn.Module)` 是一个 Python 类，用于定义一个神经网络模型。其中，`nn.Module` 是 PyTorch 中的一个基类，表示所有神经网络模型应该继承自它。继承自 `nn.Module` 后可以使用 PyTorch 提供的一些高级特性，例如自动求导、模型参数存储和加载等。

在定义神经网络模型时，应该重写 `nn.Module` 类中的 `__init__` 和 `forward` 方法，以实现自定义的模型结构和前向传播过程。例如，以下代码定义了一个简单的神经网络模型：

import torch.nn as nn

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.fc1 = nn.Linear(3, 10)
        self.fc2 = nn.Linear(10, 1)

    def forward(self, x):
        x = self.fc1(x)
        x = nn.functional.relu(x)
        x = self.fc2(x)
        return x

上述代码中，`class Net(nn.Module)` 定义了一个名为 `Net` 的神经网络模型，继承自 `nn.Module`。`__init__` 方法在类被实例化时执行，用于初始化模型中的各个层，例如全连接层 `fc1` 和 `fc2`。`forward` 方法定义了模型的前向传播过程，接收输入张量 `x`，将其输入到全连接层 `fc1` 中，然后通过 ReLU 激活函数进行非线性变换，再将结果输入到全连接层 `fc2` 中，最终输出一个标量值。

在实际使用中，可以通过以下代码创建一个 `Net` 类的实例，并将其用于训练和推理：

net = Net()
output = net(input)

其中，`input` 是一个输入张量，`output` 是模型的输出结果。通过调用 `net(input)` 可以执行模型的前向传播过程，得到输出结果。