深度学习--魔法类nn.Module

深度学习--魔法类nn.Module

作用

pytorch 封装了一些基本的网络类，可以直接调用

好处：

可以直接调用现有的类
1. 容器机制：self.net = nn.Sequential(
2. 参数返回：list(net.parameters([0].shape #返回对应的参数的shape
   list(net.named_parameters([0] #返回对应的参数
   dict(net.named_parameters(.items(# 返回所有的参数
3. 模型modules：children（这个没太懂）
4. to(device:选择运行设备
5. save and load :net.load_state_dict(torch.load('ckpt.mdl'
   net.save(net.state_dict(,'ckpt.mdl'
6. train/test的行为切换，net.train( 训练 net.eval(测试
7. 实现我们自己的类：self.w = nn.Parameter(torch.randn(outp,inp,requires_grad = True

import torch
import torch.nn as nn

#继承nn.Module来实现自己的模型
class MyLinear(nn.Module:
    
    def __init__(self, inp, outp:
        super(MyLinear,self.__init__(
        
        # requires_grad = True
        self.w = nn.Parameter(torch.randn(outp,inp
        self.b = nn.Parameter(torch.randn(outp
        
    def forward(self,x:
        x = x @ self.w.t( +self.b
        return x

图像增强操作

数据增强：低网络容量、regularization规范化、Data argumentation数据推论
data argumentation的手段：

1. Rotate：旋转

3. GAN：生成对抗网络

声明：本文由用户投稿上传，本站不保证内容的真实与正确性，并且不承担相关法律责任，如有侵权请提供版权资料并联系删除！

编程笔记 » 深度学习--魔法类nn.Module