【简易笔记】PyTorch官方教程简易笔记 EP2

待更新中…
记录PyTorch 官方入门教程中的大部分代码和对代码的解释注释

暂时内容包括：构建一个神经网络

参考网站：https://pytorch.org/tutorials/beginner/
/buildmodel_tutorial.html

import os
import torch
from torch import nn
from torch.utils.data import DataLoader
from torchvision import datasets, transforms
from zmq import device

if torch.cuda.is_available:
    device = "cuda"
    print("cuda加速已开启")
else:
    device = "cpu"

这一段是设置对张量的加速设置，cuda对应着GPU加速，需要用到N卡的cuda

class NeuralNetwork(nn.Module):
    def __init__(self):
        super().__init__()
        self.flatten = nn.Flatten()
        self.linear_relu_stack = nn.Sequential(
            nn.Linear(28*28, 512),
            nn.ReLU(),
            nn.Linear(512, 512),
            nn.ReLU(),
            nn.Linear(512,258),
            nn.ReLU(),
            nn.Linear(258, 10),
        )

    def forward(self, x):
        x = self.flatten(x)
        logits = self.linear_relu_stack(x)
        return logits

model = NeuralNetwork().to(device)
print(model)

这里是构建这个神经网络类，下面对每部分代码一一注释解释

super().__init__()

以nn.Module为父类创建他的子类，这个函数是用于设定继承父类的方法

函数参考：nn.module
super().init()

self.flatten = nn.Flatten()

这是一个用于压平的函数，对应着之前理论的例子，在进行机器学习时，通常会把数据进行压平（如2828压为1784）
我们这个子类继承于nn.flatten函数

函数参考：nn.flatten

 self.linear_relu_stack = nn.Sequential(
            nn.Linear(28*28, 512),
            nn.ReLU(),
            nn.Linear(512, 512),
            nn.ReLU(),
            nn.Linear(512,258),
            nn.ReLU(),
            nn.Linear(258, 10),

如其所示linear是线性分类器，ReLU是一最常见而经典的激活函数
这样设置相当于四层，输入维度为28* 28（1*784），最终输出10个特征值

函数参考：Sequential
Linear
ReLU

def forward(self, x):
        x = self.flatten(x)
        logits = self.linear_relu_stack(x)
        return logits

这里就开始定义，x即为压平后的张量，logits就是打包后的一个分类器

待更新中…