以一个线性回归的例子为例：

全部代码

import torch
import numpy as npdef get_x_y():x = np.random.randint(0, 50, 300)y_values = 2 * x + 21x = np.array(x, dtype=np.float32)y = np.array(y_values, dtype=np.float32)x = x.reshape(-1, 1)y = y.reshape(-1, 1)return x, yif __name__ == '__main__':train_x, train_y = get_x_y()input_size = train_x.shape[1]  # 输入的维度，只是1维output_size = 1  # 输出的个数batch_size = 16  # 每个 batch 的数量my_nn = torch.nn.Sequential(torch.nn.Linear(input_size, output_size),)cost = torch.nn.MSELoss(reduction='mean')  # 使用MSE作为损失函数optimizer = torch.optim.Adam(my_nn.parameters(), lr=0.001)  # 优化器# 训练网络losses = []for i in range(1000):batch_loss = []# MINI-Batch方法来进行训练for start in range(0, len(train_x), batch_size):end = start + batch_size if start + batch_size < len(train_x) else len(train_x)xx = torch.tensor(train_x[start:end], dtype=torch.float, requires_grad=True)yy = torch.tensor(train_y[start:end], dtype=torch.float, requires_grad=True)prediction = my_nn(xx)  # 自己的网络模型（x数据），会被认为做前向传播loss = cost(prediction, yy)  # 计算损失optimizer.zero_grad()  # 清零优化器！！！！一定要记得loss.backward(retain_graph=True)  # 反向传播，retain_graph表示是否重复执行操作，在循环中需要设置为Trueoptimizer.step()  # 更新参数batch_loss.append(loss.data.numpy())# 打印损失if i % 100 == 0:losses.append(np.mean(batch_loss))print(i, np.mean(batch_loss))

pytorch使用torch.nn.Sequential构建网络相关推荐

pytorch torch.nn.Sequential(* args)（嘎哈用的？构建神经网络用的？）
class torch.nn.Sequential(* args) 一个时序容器.Modules 会以他们传入的顺序被添加到容器中.当然,也可以传入一个OrderedDict. 为了更容易的理解如何使 ...
PyTorch 笔记（16）— torch.nn.Sequential、torch.nn.Linear、torch.nn.RelU
PyTorch 中的 torch.nn 包提供了很多与实现神经网络中的具体功能相关的类,这些类涵盖了深度神经网络模型在搭建和参数优化过程中的常用内容,比如神经网络中的卷积层.池化层.全连接层这类层次构 ...
【深度学习】torch.nn.Sequential方法介绍
torch.nn.Sequential是一个Sequential容器,模块将按照构造函数中传递的顺序添加到模块中. 另外,也可以传入一个有序模块. 作用:Sequential除了本身可以用来定义模型之 ...
【torch.nn.Sequential】序列容器的介绍和使用
文章目录 torch.nn.Sequential 简单介绍构建实例参数列表字典基本操作参考 torch.nn.Sequential 简单介绍 nn.Sequential是一个有序的容器,该类 ...
Pytorch中torch.nn.Softmax的dim参数含义
自己搞了一晚上终于搞明白了,下文说的很透彻,做个记录,方便以后翻阅 Pytorch中torch.nn.Softmax的dim参数含义
Pytorch 之torch.nn初探
第1关:torch.nn.Module 本关要求利用nn.Linear()声明一个线性模型 l,并构建一个变量 net 由三个l序列构成. import torch import torch.nn a ...
【PyTorch】torch.nn.Transformer解读与应用
nn.TransformerEncoderLayer 这个类是transformer encoder的组成部分,代表encoder的一个层,而encoder就是将transformerEncoderL ...
【Pytorch】torch.nn.Conv1d()理解与使用
官方文档:https://pytorch.org/docs/stable/generated/torch.nn.Conv1d.html?highlight=nn%20conv1d#torch.nn.C ...
Pytorch之torch.nn.functional.pad函数详解
torch.nn.functional.pad是PyTorch内置的矩阵填充函数 (1).torch.nn.functional.pad函数详细描述如下: torch.nn.functional.pa ...

pytorch使用torch.nn.Sequential构建网络

全部代码

pytorch使用torch.nn.Sequential构建网络相关推荐

最新文章

热门文章