搭建pytorch神经网络的常用两种方式

‘‘‘本节说明搭建pytorch神经网络的常用两种方式 相比快速搭建法 第一种可以个性化设置网络结构‘‘‘
import torch
import torch.nn.functional as F 
#方式1 用 class 继承了一个 torch 中的神经网络结构, 然后对其进行了修改
class Net(torch.nn.Module):
    def __init__(self, n_feature, n_hidden, n_output):
        super(Net, self).__init__()
        self.hidden = torch.nn.Linear(n_feature, n_hidden)
        self.predict = torch.nn.Linear(n_hidden, n_output)

    def forward(self, x):
        x = F.relu(self.hidden(x))
        x = self.predict(x)
        return x
net1=Net(1,10,1)
#方式2 快速搭建模型
net2 = torch.nn.Sequential(
    torch.nn.Linear(1, 10),
    torch.nn.ReLU(),
    torch.nn.Linear(10, 1)
)
#我们再对比一下两者的结构:
print(net1)
‘‘‘Net(
  (hidden): Linear(in_features=1, out_features=10, bias=True)
  (predict): Linear(in_features=10, out_features=1, bias=True)
)‘‘‘
print(net2)
‘‘‘Sequential(
  (0): Linear(in_features=1, out_features=10, bias=True)
  (1): ReLU()
  (2): Linear(in_features=10, out_features=1, bias=True)
)‘‘‘
‘‘‘结论：我们会发现 net2 多显示了一些内容, 这是为什么呢? 
原来他把激励函数也一同纳入进去了, 但是 net1 中, 
激励函数实际上是在 forward() 功能中才被调用的. 
这也就说明了, 相比 net2, net1 的好处就是, 
你可以根据你的个人需要更加个性化你自己的前向传播过程, 比如(RNN).‘‘‘