1. La clase Lizard nos permite saber que un objeto tiene un color y una longitud, pero no nos dice cuál es el color y la longitud, porque la clase solo describe el objeto. 2. Una clase es como un modelo para un objeto, podemos crear tantos objetos diferentes como sea posible a partir de la misma clase.
1. Una clase se considera una unidad independiente que contiene código y datos. Puede verse como un paquete de atributos y métodos y luego encapsularlos en clases.
Clase: declara una clase y especifica el nombre de la clase, como Lizard __init__: constructor de clase, cuando se crea una nueva instancia de la clase como parámetro de este constructor (como el nombre), el constructor se llamará self: un parámetro especial eso hace que podamos crear valores de atributo almacenados o encapsulados en objetos de clase, y cuando llamamos a constructores u otros métodos, Python pasa automáticamente el parámetro self
1. Las cosas que se pasan al constructor se descartarán de forma predeterminada, pero cualquier cosa en sí siempre se recordará mientras exista este objeto.
antorcha.nn
import torch.nn as nn
1. torch.nn contiene todos los componentes típicos necesarios para construir una red neuronal. Los componentes importantes que necesitamos para construir una red neuronal son capas, y torch.nn contiene clases que nos ayudan a construir capas. 2. Cada capa de la red neuronal tiene dos componentes importantes, el primero es la transformación (transformación), y el segundo es la colección de pesos (colección de pesos). Recordando la Programación Orientada a Objetos (POO), podríamos ver que las transformaciones se representan en el código y los conjuntos de pesos se representan en los datos, un hecho que hace que las capas sean un excelente candidato para la representación de clases usando OOP. 3. En el paquete de redes neuronales, hay una clase especial denominada Módulo, que es la clase principal de todos los módulos de redes neuronales. Esto significa que todas las capas de Pytorch amplían la clase nn.Module y heredan todas las funciones integradas de Pytorch. En OOP, este concepto se llama herencia.
