莫烦PyTorch学习笔记(四)——快速搭建法

---

本文主要是用PyTorch来实现另一种快速搭建神经网络的方法。
编辑器：spyder

1.用类构建神经网络

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 xnet1 = Net(1, 10, 1)   # 这是我们用这种方式搭建的 net1

2.快速搭建

net2 = torch.nn.Sequential(    torch.nn.Linear(1, 10),    torch.nn.ReLU(),    torch.nn.Linear(10, 1))

3.结构对比

print(net1)"""Net (  (hidden): Linear (1 -> 10)  (predict): Linear (10 -> 1))"""print(net2)"""Sequential (  (0): Linear (1 -> 10)  (1): ReLU ()  (2): Linear (10 -> 1))"""

可以看到第一种方式每一层都有名字，这是因为我们用self指针给其添加了名称，将其作为了成员变量。而第二种方式比第一种多了一个ReLU层，是因为它调用的是torch.nn.ReLU()的方式构建的，这里的relu是大写，表明它是一个类，视作一个独立的层。而第一种方法中调用的是torch.nn.functional，它类似于python中通过def定义的普通函数，只是执行了数学运算，不能视作独立的层。在构建个性化网络时，我们还是推荐第一种方式，第二种方式更适合用于构建一些简单的网络。