前言

成都創新互聯專業為企業提供鐘祥網站建設、鐘祥做網站、鐘祥網站設計、鐘祥網站制作等企業網站建設、網頁設計與制作、鐘祥企業網站模板建站服務，十多年鐘祥做網站經驗，不只是建網站，更提供有價值的思路和整體網絡服務。

本文參考PyTorch官網的教程，分為五個基本模塊來介紹PyTorch。為了避免文章過長，這五個模塊分別在五篇博文中介紹。

Part3：使用PyTorch構建一個神經網絡

神經網絡可以使用touch.nn來構建。nn依賴于autograd來定義模型，并且對其求導。一個nn.Module包含網絡的層（layers），同時forward(input)可以返回output。

這是一個簡單的前饋網絡。它接受輸入，然后一層一層向前傳播，最后輸出一個結果。

訓練神經網絡的典型步驟如下：

（1）  定義神經網絡，該網絡包含一些可以學習的參數（如權重）

（2）  在輸入數據集上進行迭代

（3）  使用網絡對輸入數據進行處理

（4）  計算loss（輸出值距離正確值有多遠）

（5）  將梯度反向傳播到網絡參數中

（6）  更新網絡的權重，使用簡單的更新法則：weight = weight - learning_rate* gradient，即：新的權重=舊的權重-學習率*梯度值。

1 定義網絡

我們先定義一個網絡：

import torch
from torch.autograd import Variable
import torch.nn as nn
import torch.nn.functional as F


class Net(nn.Module):

  def __init__(self):
    super(Net, self).__init__()
    # 1 input image channel, 6 output channels, 5x5 square convolution
    # kernel
    self.conv1 = nn.Conv2d(1, 6, 5)
    self.conv2 = nn.Conv2d(6, 16, 5)
    # an affine operation: y = Wx + b
    self.fc1 = nn.Linear(16 * 5 * 5, 120)
    self.fc2 = nn.Linear(120, 84)
    self.fc3 = nn.Linear(84, 10)

  def forward(self, x):
    # Max pooling over a (2, 2) window
    x = F.max_pool2d(F.relu(self.conv1(x)), (2, 2))
    # If the size is a square you can only specify a single number
    x = F.max_pool2d(F.relu(self.conv2(x)), 2)
    x = x.view(-1, self.num_flat_features(x))
    x = F.relu(self.fc1(x))
    x = F.relu(self.fc2(x))
    x = self.fc3(x)
    return x

  def num_flat_features(self, x):
    size = x.size()[1:] # all dimensions except the batch dimension
    num_features = 1
    for s in size:
      num_features *= s
    return num_features


net = Net()
print(net)

名稱欄目：PyTorch的深度學習入門教程之構建神經網絡-創新互聯
當前網址：http://m.newbst.com/article18/dshpgp.html

成都網站建設公司_創新互聯，為您提供網頁設計公司、面包屑導航、網站內鏈、外貿網站建設、定制開發、網站設計公司

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯