深度学习——01pytorch自定义网络模型_torch深度学习定义网络结构

参考：pytorch教程之nn.Module类详解——使用Module类来自定义模型

一、简单的模型模板

1、定义网络结构

class MyNet(nn.Module):
	# 初始化函数  __init__(self)：
	# 定义了具体网络有那些层，但并没有决定网络的结构。
    def __init__(self) -> None:
        super().__init__()
	# 前向传播  forward():
	# 函数定义了网络的的顺序
    def forward(self, input):
1
2
3
4
5
6
7
8

2、实验一下
前向网络中对传入的值加1

import torch.nn as nn
import torch

class MyNet(nn.Module):
    def __init__(self) -> None:
        super().__init__()

    def forward(self, input):
    # input输入，output输出
        output = input + 1
        return output

x = torch.tensor(1.0)
# 初始化网络
MyNet = MyNet()
output = MyNet(x)
print(output)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

输出：

二、自定义网络模型

class MyNet(nn.Module):
    def __init__(self) -> None:
        super(MyNet, self).__init__()
        self.conv1 = Conv2d(in_channels=3, out_channels=6, kernel_size=3, stride=1, padding=0)
    	# 卷积层中stride默认为1，池化层中stride默认为kernel_size的大小

    def forward(self, x):
        x = self.conv1(x)
        return x
1
2
3
4
5
6
7
8
9