【AI】《动手学-深度学习-PyTorch版》笔记（十五）：网络中的层、块和参数

AI学习目录汇总

1、什么是块？

在线性模型中，我们关注过单个神经元（单个神经网络的输入和输出）；
在多层感知机中，我们关注过整层的神经元（前一层的输出作为后一层的输入）；
如果将“多层感知机”视为一整体，称为“块”，可以将前一个块的输出作为后一个块的输入。

块（block）可以描述单个层或多个层组成的组件甚至整个模型本身。

2、nn.Sequential

PyTorch中可以通过nn.Sequential来定义一个块，它将层按照顺序串联起来。
例如，之前定义过的多层感知机：

net = nn.Sequential(nn.Linear(20, 256), nn.ReLU(), nn.Linear(256, 10))

nn.Linear、nn.ReLU都是层，它们被nn.Sequential串起来组成块
nn.Linear、nn.ReLU、nn.Sequential都继承自nn.Module，这样就可以通过递归来组成更复杂的块。

3、自定义块

通过自定义块来了解“块”，“块”需要有以下功能文章来源地址https://uudwc.com/A/kADDk

• 块中必须有“前向传播函数”。
• 块的输入数据是前向传播函数的输入参数。
• 通过前向传播函数来生成输出。