一、PyTorch 中的 nn.Module
nn.Module 是 PyTorch 框架中的核心类，用于定义和创建神经网络的基本结构。它可以帮助我们组织和管理网络中的各种组件，比如神经网络的层。在使用 PyTorch 创建神经网络时，通常都会创建一个继承自 nn.Module 的类。
二、为什么使用 nn.Module？
- 组织网络：通过
nn.Module，我们可以简单地定义并组织神经网络的各个层。它提供了一种结构化的方式来把常见的计算组件（如卷积层、线性层等）拼接在一起。 - 参数管理：
nn.Module自动管理所有定义的层和它们的可训练参数，这让我们免去手动处理每个参数。 - 设备管理：可以轻松地把整个网络模型放到 GPU 或 CPU 上运行
三、使用步骤
1.创建一个新类继承 nn.Module
import torch
import torch.nn as nn
class SimpleNet(nn.Module):
def __init__(self):
super(SimpleNet, self).__init__() # 调用父类的初始化方法
self.fc1 = nn.Linear(784, 128) # 第一层，全连接层
self.fc2 = nn.Linear(128, 64) # 第二层，全连接层
self.out = nn.Linear(64, 10) # 输出层，全连接层
2.定义前向传播 forward 方法
def forward(self, x):
x = torch.flatten(x, 1) # 展平成一维
x = torch.relu(self.fc1(x)) # 通过第一层并进行 ReLU 激活
x = torch.relu(self.fc2(x)) # 通过第二层并进行 ReLU 激活
x = self.out(x) # 计算输出
return x
3.使用模型
# 创建模型实例
model = SimpleNet()
# 将模型移到 GPU（如果可用）
if torch.cuda.is_available():
model = model.to('cuda')
