PyTorch 1.0 中文官方教程：神经网络

译者：bat67 最新版会在译者仓库首先同步。

可以使用torch.nn包来构建神经网络.

我们以及介绍了autograd，nn包依赖于autograd包来定义模型并对它们求导。一个nn.Module包含各个层和一个forward(input)方法，该方法返回output。

例如，下面这个神经网络可以对数字进行分类：

convnet

这是一个简单的前馈神经网络（feed-forward network）。它接受一个输入，然后将它送入下一层，一层接一层的传递，最后给出输出。

一个神经网络的典型训练过程如下：

• 定义包含一些可学习参数（或者叫权重）的神经网络
• 在输入数据集上迭代
• 通过网络处理输入
• 计算损失（输出和正确答案的距离）
• 将梯度反向传播给网络的参数
• 更新网络的权重，一般使用一个简单的规则：weight = weight - learning_rate * gradient

定义网络

让我们定义这样一个网络：

import torch
import torch.nn as nn
import torch.nn.functional as F

阅读全文／改进本文