基于Pytorch的网络设计语法1

第一种语法：

层层堆叠

import  torch.nn as nn
import  torch.functional as F
import  torch.optim as optim
from collections  import OrderedDict

class Net1(nn.Module):# 从nn.Module  继承
    def __init__(self):# 在类的初始化函数里完成曾的构建
        super(Net1,self).__init__()
        self.conv1=nn.Conv2d(3,32,3,1,1)
        self.dense1=nn.Linear(32*3*3,128)#全连接层
        self.dense2 = nn.Linear(128,10)#全连接层

    def forward(self,x):# 构建前向传播的流程
        x=F.max_pool2d(F.relu(self.conv(x)),2)# 先卷积， 然后激活， 然后最大池化
        x=x.view(x.size(0),-1)#拉伸 为1维
        x=F.relu(self.dense1(x))# 全链接  ，然后激活
        x=self.dense2(x)# 再次全链接
        return  x

gsznet = Net1()
print(gsznet)
if __name__ == '__main__':
    print("XXXXXXXXXXXXXX")

　　×××××××××××

import  torch.nn as nn
import  torch.functional as F
import  torch.optim as optim
from collections  import OrderedDict

class Net1(nn.Module):# 从nn.Module  继承
    def __init__(self):# 在类的初始化函数里完成曾的构建
        super(Net1,self).__init__()
        self.conv1=nn.Conv2d(3,32,3,1,1)# 卷积
        self.relu=nn.ReLU()#激活
        self.pool=nn.MaxPool2d(2)#最大值池化
        self.dense1=nn.Linear(32*3*3,128)#全连接层
        self.dense2 = nn.Linear(128,10)#全连接层

    def forward(self,input_x):# 构建前向传播的流程
        x=self.conv1(input_x)
        x=self.relu(x)
        x=self.pool(x)
        #x=F.max_pool2d(F.relu(self.conv(x)),2)# 先卷积， 然后激活， 然后最大池化
        x=x.view(x.size(0),-1)#拉伸 为1维
        x = self.dense1(x)  #  全链接
        x = self.relu(x)
        #x=F.relu(self.dense1(x))# 全链接  ，然后激活
        x=self.dense2(x)# 再次全链接
        return  x

gsznet = Net1()
print(gsznet)
if __name__ == '__main__':
    print("XXXXXXXXXXXXXX")