質問編集履歴
1
PyTorch公式チュートリアルの具体例に差し替えました
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -1,22 +1,53 @@
|
|
|
1
|
-
|
|
2
|
-
Pytorch
|
|
3
|
-
以下のようなソースコードでデータxが与えられて時、model = Model(x)のようにインスタンスが作られると思うのですが、なぜxがforward関数に渡されるのでしょうか？クラスのインスタンスの引数は_init_に渡されると思うのですが、nn.Moduleのソースではinitは引数がselfだけでよくわからなかったです。
|
|
1
|
+
PyTorchを使って機械学習の勉強をしています。pythonの学習も最近始めたばかりです。
|
|
2
|
+
以下のPytorchのtutorialのコードでNet()のインスタンスnetを作成し、引数にinputを渡していると思いますが、なぜこれがforward関数に渡されるのでしょうか？インスタンスの引数は_init_に渡されると思いますが、Netもnn.Moduleも_init_の引数にselfしか持っておらず、どういう仕組みなのか全くわかりません。Python素人なので基礎的な質問かもしれませんがよろしくお願いします。
|
|
4
3
|
|
|
4
|
+
[PyTorchのtutorial](https://pytorch.org/tutorials/beginner/blitz/neural_networks_tutorial.html)
|
|
5
5
|
|
|
6
6
|
|
|
7
7
|
### 該当のソースコード
|
|
8
8
|
|
|
9
9
|
```python
|
|
10
|
+
import torch
|
|
10
11
|
import torch.nn as nn
|
|
11
12
|
import torch.nn.functional as F
|
|
12
13
|
|
|
14
|
+
|
|
13
|
-
class
|
|
15
|
+
class Net(nn.Module):
|
|
16
|
+
|
|
14
17
|
def __init__(self):
|
|
15
|
-
super(
|
|
18
|
+
super(Net, self).__init__()
|
|
19
|
+
# 1 input image channel, 6 output channels, 3x3 square convolution
|
|
20
|
+
# kernel
|
|
16
|
-
self.conv1 = nn.Conv2d(1,
|
|
21
|
+
self.conv1 = nn.Conv2d(1, 6, 3)
|
|
17
|
-
self.conv2 = nn.Conv2d(
|
|
22
|
+
self.conv2 = nn.Conv2d(6, 16, 3)
|
|
23
|
+
# an affine operation: y = Wx + b
|
|
24
|
+
self.fc1 = nn.Linear(16 * 6 * 6, 120) # 6*6 from image dimension
|
|
25
|
+
self.fc2 = nn.Linear(120, 84)
|
|
26
|
+
self.fc3 = nn.Linear(84, 10)
|
|
18
27
|
|
|
19
28
|
def forward(self, x):
|
|
29
|
+
# Max pooling over a (2, 2) window
|
|
30
|
+
x = F.max_pool2d(F.relu(self.conv1(x)), (2, 2))
|
|
31
|
+
# If the size is a square you can only specify a single number
|
|
32
|
+
x = F.max_pool2d(F.relu(self.conv2(x)), 2)
|
|
33
|
+
x = x.view(-1, self.num_flat_features(x))
|
|
20
|
-
x = F.relu(self.
|
|
34
|
+
x = F.relu(self.fc1(x))
|
|
21
|
-
|
|
35
|
+
x = F.relu(self.fc2(x))
|
|
36
|
+
x = self.fc3(x)
|
|
37
|
+
return x
|
|
38
|
+
|
|
39
|
+
def num_flat_features(self, x):
|
|
40
|
+
size = x.size()[1:] # all dimensions except the batch dimension
|
|
41
|
+
num_features = 1
|
|
42
|
+
for s in size:
|
|
43
|
+
num_features *= s
|
|
44
|
+
return num_features
|
|
45
|
+
|
|
46
|
+
|
|
47
|
+
net = Net()
|
|
48
|
+
print(net)
|
|
49
|
+
|
|
50
|
+
input = torch.randn(1, 1, 32, 32)
|
|
51
|
+
out = net(input)
|
|
52
|
+
print(out)
|
|
22
53
|
```
|