pytorch神經網絡層搭建方法

     神經網絡層的搭建主要是兩種方法，一種是使用類（繼承torch.nn.Moudle），一種是使用torch.nn.Sequential來快速搭建。

   1）首先我們先加載數據：

import  torch
import  torch.nn.functional as F

#回歸問題
x=torch.unsqueeze(torch.linspace(-1,1,100),dim=1)
y=x.pow(2)+0.2*torch.rand(x.size())

   2）兩種方法的模板：

     2.1： 類（class）：這基本就是固定格式，init中定義每個神經層的神經元個數，和神經元層數，forward是繼承nn.Moudle中函數，來實現前向反饋（加上激勵函數）  

#method1
class Net(torch.nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        pass
    def forward(self,x):
        pass

比如：

#method1
class Net(torch.nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.hidden=torch.nn.Linear(1,10)     
        self.prediction=torch.nn.Linear(10,1)
    def forward(self,x):
        x=F.relu(self.hidden(x))  #使用relu作為激勵函數
        x=self.prediction(x)      #最后一個隱藏層到輸出層沒有使用激勵函數，你也可以加上（一般不加）
        return x
net=Net()
print(net)
'''
#輸出:
Net(
  (hidden): Linear(in_features=1, out_features=10, bias=True)      #hidden就是self.hidden,沒有特殊意義，你自己可以命名別的
  (prediction): Linear(in_features=10, out_features=1, bias=True)
)
'''

    2.2：快速搭建

　　　模板：

net2=torch.nn.Sequential(  )

  比如：net2 = torch.nn.Sequential(

net2 = torch.nn.Sequential(

 torch.nn.Linear(1, 10), torch.nn.ReLU(), torch.nn.Linear(10, 1) )
print(net2)
'''

Sequential ( (0): Linear (1 -> 10) (1): ReLU () (2): Linear (10 -> 1) )

'''

    兩者大致相同，稍微有區別的地方就是在於快速搭建中激勵函數（relu....）看做一個神經層。