浅析PyTorch中nn.Module的使用

torch.nn.Modules 相当于是对网络某种层的封装，包括网络结构以及网络参数和一些操作

torch.nn.Module 是所有神经网络单元的基类

查看源码

初始化部分：

def __init__(self):
 self._backend = thnn_backend
 self._parameters = OrderedDict()
 self._buffers = OrderedDict()
 self._backward_hooks = OrderedDict()
 self._forward_hooks = OrderedDict()
 self._forward_pre_hooks = OrderedDict()
 self._state_dict_hooks = OrderedDict()
 self._load_state_dict_pre_hooks = OrderedDict()
 self._modules = OrderedDict()
 self.training = True

属性解释：

• _parameters：字典，保存用户直接设置的 Parameter

• _modules：子 module，即子类构造函数中的内容

• _buffers：缓存

• _backward_hooks与_forward_hooks：钩子技术，用来提取中间变量

• training：判断值来决定前向传播策略

方法定义：

def forward(self, *input):
raise NotImplementedError

没有实际内容，用于被子类的 forward() 方法覆盖

且 forward 方法在 __call__ 方法中被调用：

def __call__(self, *input, **kwargs):
for hook in self._forward_pre_hooks.values():
   hook(self, input)
 if torch._C._get_tracing_state():
   result = self._slow_forward(*input, **kwargs)
 else:
   result = self.forward(*input, **kwargs)
 ...
 ...

实例展示

简单搭建：

import torch.nn as nn
import torch.nn.functional as F

class Net(nn.Module):
 def __init__(self, n_feature, n_hidden, n_output):
   super(Net, self).__init__()
   self.hidden = nn.Linear(n_feature, n_hidden)
   self.out = nn.Linear(n_hidden, n_output)

def forward(self, x):
   x = F.relu(self.hidden(x))
   x = self.out(x)
   return x

Net 类继承了 torch 的 Module 和 __init__ 功能

hidden 是隐藏层线性输出

out 是输出层线性输出

打印出网络的结构：

>>> net = Net(n_feature=10, n_hidden=30, n_output=15)
>>> print(net)
Net(
(hidden): Linear(in_features=10, out_features=30, bias=True)
(out): Linear(in_features=30, out_features=15, bias=True)
)

来源：https://blog.csdn.net/weixin_44613063/article/details/90297299