神经网络 torch.nn---Containers

torch.nn — PyTorch 2.3 documentation

torch.nn - PyTorch中文文档 (pytorch-cn.readthedocs.io)

nn是Neural Network的简称，帮助程序员方便执行如下的与神经网络相关的行为：

（1）创建神经网络

（2）训练神经网络

（3）保存神经网络

（4）恢复神经网络

torch.nn中的函数简介

Containers（容器）：神经网络的骨架
Convolution Layers：卷积层神经网络 torch.nn---Convolution Layers-CSDN博客
Pooling layers：池化层
Padding Layers：Padding
Non-linear Activations：非线性激活
Normalization Layers：正则化层
Recurrent Layers：循环神经网络层
Transformer Layers：
Linear Layers：
Dropout Layers：

torch.nn中Containers

class torch.nn.Module

所有网络的基类。

你的模型也应该继承这个类。

Module：对于所有神经网络提供一个基本的骨架，一般定义一个神经网络用如下代码。其中，Model代表模型的名称，nn.Module就是继承了这个类的模板。然后我们先用__init__初始化，其中super(Model,self).__init__()指的是对父类进行初始化，后面的部分是根据自己构建的神经网络个性化定制的。之后我们使用forword函数对输入数据进行计算，也可以这么理解：对于一个神经网络，首先输入数据-->使用forword函数计算数据-->输出数据，这个过程也叫前向传播。

import torch
from torch import nn

class Mymodule(nn.Module):
    def __init__(self):
        super(Mymodule, self).__init__()

    def forward(self, input):
        output = input+1  #对输入神经网络的数据+1，然后返回
        return output

mymodule = Mymodule()
x = torch.tensor(1.0) #输入神经网络的数据
output = mymodule(x)
print(output) #输出神经网络的数据