深度学习--魔法类nn.Module

作用

pytorch 封装了一些基本的网络类，可以直接调用

好处：

1. 可以直接调用现有的类
2. 容器机制：self.net = nn.Sequential()
3. 参数返回：list(net.parameters())[0].shape #返回对应的参数的shape
   list(net.named_parameters())[0] #返回对应的参数
   dict(net.named_parameters()).items()# 返回所有的参数
4. 模型modules：children（这个没太懂）
5. to(device):选择运行设备
6. save and load :net.load_state_dict(torch.load('ckpt.mdl'))
   net.save(net.state_dict(),'ckpt.mdl')
7. train/test的行为切换，net.train() 训练 net.eval()测试
8. 实现我们自己的类：self.w = nn.Parameter(torch.randn(outp,inp),requires_grad = True)

import torch
import torch.nn as nn

#继承nn.Module来实现自己的模型
class MyLinear(nn.Module):
    
    def __init__(self, inp, outp):
        super(MyLinear,self).__init__()
        
        # requires_grad = True
        self.w = nn.Parameter(torch.randn(outp,inp))
        self.b = nn.Parameter(torch.randn(outp))
        
    def forward(self,x):
        x = x @ self.w.t() +self.b
        return x

图像增强操作

数据增强：低网络容量、regularization规范化、Data argumentation数据推论
data argumentation的手段：

1. Flip ：翻转

2. Rotate：旋转

3. Random Move & Crop：随机移动，裁剪，加noise 高斯噪声

4. GAN：生成对抗网络