MindSpore如何实现自定义层并训练

问题描述：

请问MindSpore是否有类似于tensorflow的keras.layers.Layer来继承去自定义Layer？我想实现一个类似于卷积层的Layer，并把它与relu、pooling层等结合构成网络训练

解答：

参考下这个代码的写法，看看是不是你需要的：

from mindspore.nn as nn



class ReLUConvBN(nn.Cell):



  def __init__(self, C_in, C_out, kernel_size, stride, padding, affine=True):

    super(ReLUConvBN, self).__init__()

    self.op = nn.SequentialCell([

      nn.ReLU(),

      nn.Conv2d(C_in, C_out, kernel_size, stride=stride, padding=padding, has_bias=False,pad_mode='pad'),

      nn.BatchNorm2d(C_out, affine=affine)

    ])



  def construct(self, x):

    return self.op(x)

MindSpore里找到一个initializer模块，看起来可以提供add_weight的功能。