pytorch系列： nn.Modlue及nn.Linear 源碼理解

先看一個列子：

import torch
from torch import nn

m = nn.Linear(20, 30)
input = torch.randn(128, 20)
output = m(input)

output.size()

out:

torch.Size([128, 30])

 

 

剛開始看這份代碼是有點迷惑的，m是類對象，而直接像函數一樣調用m，m(input)

重點：

     nn.Module 是所有神經網絡單元（neural network modules）的基類
     pytorch在nn.Module中，實現了__call__方法，而在__call__方法中調用了forward函數。

 

經過以上兩點。上述代碼就不難理解。

接下來看一下源碼：
https://github.com/pytorch/pytorch/blob/master/torch/nn/modules/module.py

再來看一下nn.Linear
https://pytorch.org/docs/stable/_modules/torch/nn/modules/linear.html
主要看一下forward函數：

返回的是：
input∗weight+bias input * weight + bias
input∗weight+bias
的線性函數

此時再看一下這一份代碼：

import torch
from torch import nn

m = nn.Linear(20, 30)
input = torch.randn(128, 20)
output = m(input)

output.size()

 

# define three layers
class simpleNet(nn.Module):

    def __init__(self, in_dim, n_hidden_1, n_hidden_2, out_dim):
        super().__init__()
        self.layer1 = nn.Linear(in_dim, n_hidden_1)
        self.layer2 = nn.Linear(n_hidden_1, n_hidden_2)
        self.layer3 = nn.Linear(n_hidden_2, out_dim)

    def forward(self, x):
        x = self.layer1(x)
        x = self.layer2(x)
        x = self.layer3(x)

        return x

以下爲各層神經元個數：
輸入： in_dim
第一層： n_hidden_1
第二層：n_hidden_2
第三層（輸出層）：out_dim

轉自：https://blog.csdn.net/dss_dssssd/article/details/82977170