PyTorch-torch04: Cov2d二维卷积和torch.nn

Posted 2023-03-17

参考技术A class torcn.nn.Parameter()
Parameters 是 Variable 的子类。
参数说明:

class torch.nn.Module
所有神经网络模块的基类
你的模型也应该继承这个类
Modules 还可以包含其他模块,允许将它们嵌套在树结构中.您可以将子模块分配为常规属性：

CLASS torch.nn.Linear(in_feature,out_feature,bias=True)
此为线性回归公式,也为DNN网络的输出公式,或全连接层的连接公式

参数解释:

apply(function)

递归调用函数应用到每个组成部分以及本身,典型应用为初始化模型参数

modules

返回所有模块的迭代器包括自身重复的模块只迭代一次

named_children()->SonModuleIteration

返回子模块迭代器

named_modules()

返回网络中所有模块迭代器,同时产生模块的名称以及模块本身
重复的模块只返回一次

named_parameters(memo=None,prefix)

返回模块参数的迭代器,同时产生参数的名称和参数本身

parameters()->ModuleParamIteration

这通常被传递个优化器

register_backward_hook(hook)

在模块上注册一个向后的钩子这是用于记录反向传播时的梯度的
每当计算相对于模块输入的梯度时,将调用该钩子挂钩应
具有一下签名:

hook(module,grad_input,grad_output)->Variable or None

register_forward_hook(hook)

在模块上注册一个forward hook,这是记录前向传播时的梯度的

hook(module,grad_input,grad_output)->Variable or None

class torch.nn.Sequential(* args)

这是一个时序容器. Modules 会以他们传入的顺序添加到容器中当然也可以传入
一个顺序字典

class torch.nn.ModuleList(modules=None)

将 submodules 保存在一个列表中

append(module) :追加一个给定模块

extend(modules) :追加一个模块列表

class torch.nn.ParameterList(parameters=None)

在列表中保存参数

class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)

二维卷积:
输入形式 input[ batch_size, channels, height_1, width_1 ]