【Pytorch】小土堆自学日记（六）

目录

一、神经网络的基本骨架-nn.Moudle的使用

1.torch.nn官方文档：

2.containers文档：

①Moudle的作用：

 ②Moudle的示例代码：

③forward函数官方解释：

二、卷积操作：

1.常用的卷积：

2.Conv2d

①使用方法：

②Stride参数理解：

③代码：

④padding参数讲解：

一、神经网络的基本骨架-nn.Moudle的使用

1.torch.nn官方文档：

先学习骨架containers，然后剩下的都是用来填充骨架的

2.containers文档：

①Moudle的作用：

②Moudle的示例代码：

主要有初始化函数和向前函数两个

③forward函数官方解释：

3.代码部分：

①重写两个函数，一种可以手写；

   另一种可以借助pycharm->code->generate->Override Methods重写方法->init函数->完成

②代码示例：

from torch import nn
import torch
#定义模版
class Tudui(nn.Module):
    def __init__(self):
        super().__init__()
    def forward(self,input):
        output=input+1
        return output


#创建神经网络
tudui = Tudui()
x = torch.tensor(1.0)
#传入值
output = tudui(x)
print(output)

 ③debug查看详情：

二、卷积操作：

1.常用的卷积：

2.Conv2d

①使用方法：

torch.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1) → Tensor

#参数：

• input – 输入，尺寸要求(minibatch,in_channels,

  标签：kernel,nn,output,torch,Pytorch,input,print,土堆,自学
  From： https://blog.csdn.net/weixin_52591187/article/details/140529217