PyTorch 模块概述 📚

PyTorch 是一个强大的深度学习框架，其模块系统是构建神经网络的核心。以下是关于 PyTorch 模块的关键信息：

1. 模块基础概念 🔧

• Module：PyTorch 中所有神经网络组件的基类，继承自 torch.nn.Module。
• 子模块：通过 nn.ModuleList 或 nn.Sequential 组合多个模块，形成复杂网络结构。
• 参数管理：模块自动封装参数（如权重和偏置），通过 parameters() 方法访问。

2. 常见模块类型 🧠

模块类型	功能说明	示例链接
nn.Linear	全连接层，用于特征变换	/pytorch/线性层
nn.Conv2d	二维卷积层，处理图像数据	/pytorch/卷积层
nn.ReLU	激活函数，引入非线性	/pytorch/激活函数
nn.BatchNorm2d	批归一化层，加速训练	/pytorch/归一化层

3. 模块使用示例 📜

import torch.nn as nn

class MyNetwork(nn.Module):
    def __init__(self):
        super().__init__()
        self.layer = nn.Linear(10, 5)  # 全连接层示例
        self.relu = nn.ReLU()          # 激活函数
        self.conv = nn.Conv2d(3, 16, kernel_size=3)  # 卷积层示例

    def forward(self, x):
        x = self.layer(x)
        x = self.relu(x)
        x = self.conv(x)
        return x

4. 模块与优化器联动 🔄

• 模块参数会自动注册到优化器中，例如：

  optimizer = torch.optim.SGD(model.parameters(), lr=0.01)
  

• 通过 model.train() 和 model.eval() 切换训练/推理模式，影响模块行为（如 Dropout、BatchNorm）。

---

*图：PyTorch 模块层级结构示意图*