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
容器机制：self.net = nn.Sequential()
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
模型modules：children（这个没太懂）
to(device):选择运行设备
save and load :net.load_state_dict(torch.load('ckpt.mdl'))

net.save(net.state_dict(),'ckpt.mdl')
train/test的行为切换，net.train() 训练 net.eval()测试
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：

Flip ：翻转

Rotate：旋转

Random Move & Crop：随机移动，裁剪，加noise 高斯噪声

GAN：生成对抗网络

深度学习--魔法类nn.Module的相关教程结束。