趋近智
torch.nn 搭建模型在熟悉了PyTorch张量和用于梯度计算的Autograd系统后,我们现在开始构建神经网络本身。本章主要介绍torch.nn包,它是PyTorch用于高效构建网络结构的专用库。
你将学习如何使用核心nn.Module类作为模型的设计蓝图。我们将使用PyTorch提供的常用构建块来组装网络,包括线性层(nn.Linear)、卷积层(nn.Conv2d)和循环层(nn.RNN)。我们还将整合像激活函数(例如ReLU、Sigmoid)这样的重要组成部分,以引入非线性处理能力。此外,你将学习如何使用torch.nn中的损失函数(如或)来定义目标衡量标准,以及如何从torch.optim中选择合适的优化算法(如SGD或Adam)在训练期间迭代地优化模型参数。在本章结束时,你将能够在PyTorch中定义并实例化自己的基本神经网络。
4.1 `torch.nn.Module` 基类
4.2 定义自定义网络架构
4.3 常见层:线性、卷积、循环
4.4 激活函数 (ReLU, Sigmoid, Tanh)
4.5 简单模型的顺序容器
4.6 损失函数 (`torch.nn` 损失)
4.7 优化器 (`torch.optim`)
4.8 练习:构建一个简单网络
© 2026 ApX Machine Learning用心打造