如何用Pytorch详细步骤构建一个神经网络模型？

本文共计2647个文字，预计阅读时间需要11分钟。

原本是只用TensorFlow的，但因为TensorFlow存在一些Numpy特性不支持，比如对数组使用列表进行切片，所以只能转向PyTorch了（PyTorch是支持的）。PyTorch相比来说上手更容易，几乎完美复制了Numpy的特性。

　　本来是只用Tenorflow的，但是因为TF有些Numpy特性并不支持，比如对数组使用列表进行切片，所以只能转战Pytorch了（pytorch是支持的）。还好Pytorch比较容易上手，几乎完美复制了Numpy的特性（但还有一些特性不支持），怪不得热度上升得这么快。

1模型定义

　　和TF很像，Pytorch也通过继承父类来搭建自定义模型，同样也是实现两个方法。在TF中是__init__()和call()，在Pytorch中则是__init__()和forward()。功能类似，都分别是初始化模型内部结构和进行推理。其它功能比如计算loss和训练函数，你也可以继承在里面，当然这是可选的。