时间戳

首页 > 解决方案 > Pytorch NN 和类之间的通信

python - Pytorch NN 和类之间的通信

问题描述

我是 python 和 pytorch 的新手，但在理解它的工作原理时遇到了问题。

    import torch.nn as nn
    import torch.nn.functional as F
    import torch.optim as optim

    class Net(nn.Module):
        def __init__(self):
            ..
        def forward(self, x):
            ..
            return x
    net = Net()


criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

for epoch in range(2):  # loop over the dataset multiple times

    running_loss = 0.0
    for i, data in enumerate(trainloader, 0):
        inputs, labels = data
        optimizer.zero_grad()
        outputs = net(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

在此处输入图像描述

所以，这就是代码，我从图中的代码中画出我所理解的。我有一些问题：

A) 为什么我不能直接在代码中使用 nn.CrossEntropy 而不是 'criterion'？如果我将它分配给一个变量，它有什么区别？我收到此错误：具有多个值的张量的布尔值不明确

B) 为什么当 Net 类获得一个对象 (nn) 时（我假设使用 'as' 时会创建一个对象），然后 Net 类可以简单地向后使用？它应该是 nn 的一部分，而不是 Net。你能帮我理解一下吗？

C) 虽然 optim 是一个不同的对象，但由 optim 优化的参数如何影响 nn？我不明白他们如何传递变量并相互更新？

标签： pythonpytorch

解决方案

A）通过在一个位置将其设置为变量，它有助于更​​容易地在一个位置更改损失函数，而不是随着代码的大小和复杂性的增加而在许多地方键入 nn.MSELoss。基本上不太可能出错。
至于错误，需要更多信息来回答该布尔错误。在哪一行输入什么等。信息太少，无法提供帮助。

B) Net(nn.Module) 从 nn.Module 继承，它将向后添加到您添加到类中的所有操作。有关更多信息，请参阅文档。

C）“网”是一个对象。net.parameters() 是一个迭代器，它迭代网络对象中的所有参数。所以它是通过引用传递而不是通过值传递参数。

推荐阅读