pytorch之關于PyTorch結構介紹

更新時間：2023年09月08日 09:47:59 作者：u012436149

這篇文章主要介紹了pytorch之關于PyTorch結構的使用方式,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教

PyTorch結構介紹

對PyTorch架構的粗淺理解，不能保證完全正確，但是希望可以從更高層次上對PyTorch上有個整體把握。

幾個重要的類型

和數(shù)值相關的

Tensor
Variable
Parameter
buffer(這個其實不能叫做類型，其實他就是用來保存tensor的)

Tensor：

PyTorch 中的計算基本都是基于 Tensor 的，可以說是 PyTorch 中的基本計算單元。

Variable：

Tensor 的一個 Wrapper ，其中保存了 Variable 的創(chuàng)造者， Variable 的值（tensor），還有 Variable 的梯度( Variable )。

自動求導機制的核心組件，因為它不僅保存了變量的值，還保存了變量是由哪個 op 產(chǎn)生的。這在反向傳導的過程中是十分重要的。

Variable 的前向過程的計算包括兩個部分的計算，一個是其值的計算（即，Tensor的計算），還有就是 Variable 標簽的計算。標簽指的是什么呢？如果您看過PyTorch的官方文檔 Excluding subgraphs from backward 部分的話，您就會發(fā)現(xiàn) Variable 還有兩個標簽： requires_grad 和 volatile 。標簽的計算指的就是這個。

Paramete：

這個類是 Variable 的一個子集， PyTorch 給出這個類的定義是為了在 Module (下面會談到)中添加模型參數(shù)方便。

模型相關的

Function
Module

Function：

如果您想在 PyTorch 中自定義 OP 的話，您需要繼承這個類，您需要在繼承的時候復寫 forward 和 backward 方法，可能還需要復寫 __init__ 方法（由于篇幅控制，這里不再詳細贅述如果自定義 OP ）。您需要在 forward 中定義 OP ，在 backward 說明如何計算梯度。關于 Function ，還需要知道的一點就是， Function 中 forward 和 backward 方法中進行計算的類型都是 Tensor ，而不是我們傳入的Variable。計算完forward和backward之后，會包裝成Varaible返回。這種設定倒是可以理解的，因為OP是一個整體嘛，OP內(nèi)部的計算不需要記錄creator

Module：

這個類和 Function 是有點區(qū)別的，回憶一下，我們定義 Function 的時候， Funciton 本身是不需要變量的，而 Module 是變量和 Function 的結合體。在某些時候，我們更傾向稱這種結構為 Layer 。但是這里既然這么叫，那就這么叫吧。

Module 實際上是一個容器，我們可以繼承 Module ，在里面加幾個參數(shù)，從而實現(xiàn)一個簡單全連接層。我們也可以繼承 Module ，在里面加入其它 Module ，從而實現(xiàn)整個 VGG 結構。