ニューラルネットワーク層構築方法のpytorch

ニューラルネットワークの層構造、主に二つの方法、（torch.nn.Moudleを継承）クラスを用いたものであり、一方は迅速torch.nn.Sequentialを構築するために使用されます。

1）まず、データをロードします。

輸入トーチ
Fとしてインポートtorch.nn.functional

＃回帰 
X = torch.unsqueeze（torch.linspace（-1,1,100）、薄暗い= 1 ）
Y = x.pow（2）+ 0.2 * torch.rand（x.size（））

2）テンプレートの二つの方法：

2.1：クラス（クラス）：これは実質的に固定されているフォーマットは、initはフィードバックの前に実施される層ニューロンの数、前方に継承された、各ニューラル層にnn.Moudle機能をニューロンの数を定義する（プラス励起機能）

＃法1の
クラスネット（torch.nn.Module）：
     デフ __init__ （自己）：
        スーパー（ネット、自己）。__init__ （）
         通過
    DEF フォワード（自己、X）：
         合格

例えば：

＃法1の
クラスネット（torch.nn.Module）：
     DEF  __init__ （自己）：
        スーパー（ネット、セルフ）__init__ （）
        self.hidden = torch.nn.Linear（1,10 ）      
        self.prediction = torch.nn。線形（10,1 ）
     DEF フォワード（セルフ、X）：
        X = F.relu（self.hidden（X））  ＃を使用relu励起の関数として 
        X = self.prediction（X）      ＃出力層への最後の隠れ層ではありません励起関数を使用して、あなたはまた、（通常は追加なし）を追加することができ
        、戻りXの
NET = ネット（）
 印刷（NET）
 「」 ' 
＃出力： 
ネット（
  （隠された）：リニア（in_features = 1、out_features = 10、バイアス= TRUE）#hiddenがself.hiddenされ、特別な意味、あなたは他の名前を付けることはできません
  （予測）：リニア（in_features = 10、out_features = 1、バイアス真=） 
）
'' '

2.2：すばやく構築

　　　テンプレート：

NET2 = torch.nn.Sequential（）

例えば：NET2 = torch.nn.Sequential（

net2 = torch.nn.Sequential(

    torch.nn.Linear（ 1、10 ）、
    torch.nn.ReLU（）、
    torch.nn.Linear（ 10、1 ）
）
プリント（NET2）
''」

Sequential (
  (0): Linear (1 -> 10)
  (1): ReLU ()
  (2): Linear (10 -> 1)
)

「「」

両方とも実質的に等しく、その場所にほとんど差が迅速に立設された励起関数（RELUは....）ニューラル層として見られます。

ニューラルネットワーク層構築方法のpytorch

おすすめ