浅析PyTorch中nn.Module的使用_怎么输出Module.parameters - CSDN文库

90 浏览量更新于2023-05-04 收藏 38KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源推荐

浅析浅析PyTorch中中nn.Module的使用的使用

torch.nn.Modules 相当于是对网络某种层的封装，包括网络结构以及网络参数和一些操作

torch.nn.Module 是所有神经网络单元的基类

查看源码查看源码

初始化部分：

def __init__(self):

self._backend = thnn_backend

self._parameters = OrderedDict()

self._buffers = OrderedDict()

self._backward_hooks = OrderedDict()

self._forward_hooks = OrderedDict()

self._forward_pre_hooks = OrderedDict()

self._state_dict_hooks = OrderedDict()

self._load_state_dict_pre_hooks = OrderedDict()

self._modules = OrderedDict()

self.training = True

属性解释：

_parameters：字典，保存用户直接设置的 Parameter

_modules：子 module，即子类构造函数中的内容

_buffers：缓存

_backward_hooks与_forward_hooks：钩子技术，用来提取中间变量

training：判断值来决定前向传播策略

方法定义：

def forward(self, *input):

raise NotImplementedError

没有实际内容，用于被子类的 forward() 方法覆盖

且 forward 方法在 __call__ 方法中被调用：

def __call__(self, *input, **kwargs):

for hook in self._forward_pre_hooks.values():

hook(self, input)

if torch._C._get_tracing_state():

result = self._slow_forward(*input, **kwargs)

else:

result = self.forward(*input, **kwargs)

...

...

实例展示实例展示

简单搭建：

import torch.nn as nn

import torch.nn.functional as F

class Net(nn.Module):

def __init__(self, n_feature, n_hidden, n_output):

super(Net, self).__init__()

self.hidden = nn.Linear(n_feature, n_hidden)

self.out = nn.Linear(n_hidden, n_output)

def forward(self, x):

x = F.relu(self.hidden(x))

x = self.out(x)

return x

Net 类继承了 torch 的 Module 和 __init__ 功能

hidden 是隐藏层线性输出

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余1页未读，立即下载

皮卡丘穿皮裤

粉丝: 187
资源: 956

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈