神經(jīng)網(wǎng)絡工具箱nn

torch.nn的核心數(shù)據(jù)結構是Module，既可以表示神經(jīng)網(wǎng)絡中的某個層（layer），也可以表示一個包含很多層的神經(jīng)網(wǎng)絡。

import torch as t from torch import nn

nn.layer

PyTorch實現(xiàn)了神經(jīng)網(wǎng)絡中絕大多數(shù)的layer，這些layer都繼承于nn.Module

主要關注以下幾點

• 函數(shù)的參數(shù)，如nn.Linear(in_features, out_features, bias)，需關注這三個參數(shù)的作用。
• 屬性、可學習參數(shù)和子module。如nn.Linear中有weight和bias兩個可學習參數(shù)，不包含子module。
• 輸入輸出的形狀，如nn.linear的輸入形狀是(N, input_features)，輸出為(N，output_features)，N是batch_size。

輸入的不是單個數(shù)據(jù)，而是一個batch。輸入只有一個數(shù)據(jù)，則必須調用tensor.unsqueeze(0) 或 tensor[None]將數(shù)據(jù)

總結

以上是生活随笔為你收集整理的pytorch 常用层（四）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。