一、前置知識

1.nn是什么

在深度學習中，“nn” 通常是指神經網絡（Neural Network）的縮寫。神經網絡是一種由大量神經元（neurons）相互連接而成的模型，它們模仿人類大腦的結構和功能，用于學習和處理復雜的模式和數據。

神經網絡在深度學習領域扮演著重要的角色，被廣泛應用于圖像識別、語音識別、自然語言處理等各種任務。神經網絡的基本組成部分是神經元（neuron），每個神經元接收來自前一層神經元的輸入，并通過權重和激活函數進行計算，最終產生輸出。

神經網絡通常包含多個層次，包括輸入層、隱藏層和輸出層。通過調整神經元之間的連接權重和偏置，神經網絡可以學習到輸入數據的特征并進行預測或分類任務。

2.nn如何使用

基本步驟：

（1）導入 nn 模塊：首先，需要導入 PyTorch 的 nn 模塊。通常的導入語句是 from torch import nn。

（2）定義神經網絡模型類：接下來，定義一個神經網絡模型類，通常繼承自 nn.Module 類。在這個類中，你可以定義模型的結構，包括各種層（如全連接層、卷積層等）以及前向傳播方法 forward。

（3）在模型類的構造函數 init 中定義網絡層：在模型類的構造函數中，可以使用 nn 模塊提供的各種層類來定義網絡的結構，比如 nn.Linear（全連接層）、nn.Conv2d（卷積層）、nn.ReLU（ReLU激活函數）等。

（4）實現前向傳播方法 forward：在模型類中實現 forward 方法，指定數據在網絡中前向傳播的流程，即數據如何通過各個層進行計算并輸出結果。

（5）實例化模型：通過實例化定義的模型類，可以創建一個可用于處理數據的神經網絡模型。

（6）將輸入數據傳遞給模型：將輸入數據傳遞給實例化后的模型，調用模型的 forward 方法進行前向計算，得到輸出結果。

二、代碼

# 原作者：b站小土堆
# 云霄星乖乖的果凍
# 微博、小紅書、b站等平臺同名import torch
from torch import nn# 定義一個自定義的神經網絡模型 Guodong
class Guodong(nn.Module):def __init__(self, *args, **kwargs) -> None:super().__init__()  # 調用父類構造函數進行初始化def forward(self, input):output = input + 1  # 在 forward 方法中定義前向傳播計算，這里簡單地對輸入數據加1return output# 實例化 Guodong 模型
guodong = Guodong()# 創建一個張量作為輸入
x = torch.tensor(1.0)# 將輸入數據傳遞給模型進行前向計算
result = guodong(x)# 打印輸入和模型輸出結果
print(x)
print(result)

程序運行結果：