怎么让网站被搜索到,链接优化方法,1688拿货网,网站建设鞍山(一) 神经网络模型搭建官方文档 每一层基本都有权重和偏置#xff0c;可以仔细看官方文档。 pytorch 官网的库#xff1a;torch.nn — PyTorch 2.5 documentation Containers库#xff1a;用来搭建神经网络框架#xff08;包含所有的神经网络的框架#xff09;#xff1b…(一) 神经网络模型搭建官方文档 每一层基本都有权重和偏置可以仔细看官方文档。 pytorch 官网的库torch.nn — PyTorch 2.5 documentation Containers库用来搭建神经网络框架包含所有的神经网络的框架特征提取 Convolution Layers用来搭建卷积层Pooling layers用来搭建池化层Padding Layers用来搭建填充层 分类 Linear Layers用来搭建全连接层。 (二) 神经网络模型模版(Containers库中的nn.Module)
在写代码的过程中通常会把神经网络定义成一个类class其模版就如下所示
# 我们的模型类应该继承自nn.Module这是所有神经网络模块的基类。
# 每个模型类中都必须要定义以下两个
class LinearModel(torch.nn.Module): # 其中nn是神经网络neural network的缩写def __init__(self): # 构造函数初始化对象时调用的函数名字也不能变super(LinearModel,self).__init__() # 直接写super().__init__()也行self.linear torch.nn.Linear(1,1)def forward(self, x): # 前向传播函数就必须要叫这个名字因为 nn.Module 类的call方法里调用了名为forward函数y_pred self.linear(x)return y_pred
model LinearModel()# 其中反向传播的计算是自动进行的所有继承自Module的类都如此。示例
import torch
from torch import nnclass testNet(nn.Module):def __init__(self):super(testNet, self).__init__()def forward(self, input):output input 4return outputfirst_net testNet()
x torch.tensor(1.0)
output first_net(x) # 因为 nn.Module 类的call方法里调用了名为forward函数所以这里可以直接将实例当做函数使用。
print(output)
------------------------------------------------------------------------------------------------------------------
# 运行结果
tensor(5.)(三) 神经网络训练套路四部曲 其中的损失函数、优化器以及训练循环体后面会详细讲解 准备数据集 → 设计模型 → 创建损失函数和优化器 → 写训练循环体。
以逻辑回归为例 上一篇下一篇神经网络入门实战八神经网络入门实战十
