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
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -1,10 +1,10 @@
|
|
|
1
|
-
|
|
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
2
|
|
|
3
|
-
Pytorchを
|
|
4
|
-
|
|
5
|
-
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。
|
|
3
|
+
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。
|
|
6
4
|
|
|
7
5
|
|
|
6
|
+
|
|
7
|
+
[PyTorchのtutorial](https://pytorch.org/tutorials/beginner/blitz/neural_networks_tutorial.html)
|
|
8
8
|
|
|
9
9
|
|
|
10
10
|
|
|
@@ -16,28 +16,90 @@
|
|
|
16
16
|
|
|
17
17
|
```python
|
|
18
18
|
|
|
19
|
+
import torch
|
|
20
|
+
|
|
19
21
|
import torch.nn as nn
|
|
20
22
|
|
|
21
23
|
import torch.nn.functional as F
|
|
22
24
|
|
|
23
25
|
|
|
24
26
|
|
|
27
|
+
|
|
28
|
+
|
|
25
|
-
class
|
|
29
|
+
class Net(nn.Module):
|
|
30
|
+
|
|
31
|
+
|
|
26
32
|
|
|
27
33
|
def __init__(self):
|
|
28
34
|
|
|
29
|
-
super(
|
|
35
|
+
super(Net, self).__init__()
|
|
30
36
|
|
|
31
|
-
|
|
37
|
+
# 1 input image channel, 6 output channels, 3x3 square convolution
|
|
32
38
|
|
|
39
|
+
# kernel
|
|
40
|
+
|
|
41
|
+
self.conv1 = nn.Conv2d(1, 6, 3)
|
|
42
|
+
|
|
33
|
-
self.conv2 = nn.Conv2d(
|
|
43
|
+
self.conv2 = nn.Conv2d(6, 16, 3)
|
|
44
|
+
|
|
45
|
+
# an affine operation: y = Wx + b
|
|
46
|
+
|
|
47
|
+
self.fc1 = nn.Linear(16 * 6 * 6, 120) # 6*6 from image dimension
|
|
48
|
+
|
|
49
|
+
self.fc2 = nn.Linear(120, 84)
|
|
50
|
+
|
|
51
|
+
self.fc3 = nn.Linear(84, 10)
|
|
34
52
|
|
|
35
53
|
|
|
36
54
|
|
|
37
55
|
def forward(self, x):
|
|
38
56
|
|
|
39
|
-
x
|
|
57
|
+
# Max pooling over a (2, 2) window
|
|
40
58
|
|
|
59
|
+
x = F.max_pool2d(F.relu(self.conv1(x)), (2, 2))
|
|
60
|
+
|
|
61
|
+
# If the size is a square you can only specify a single number
|
|
62
|
+
|
|
63
|
+
x = F.max_pool2d(F.relu(self.conv2(x)), 2)
|
|
64
|
+
|
|
65
|
+
x = x.view(-1, self.num_flat_features(x))
|
|
66
|
+
|
|
67
|
+
x = F.relu(self.fc1(x))
|
|
68
|
+
|
|
41
|
-
|
|
69
|
+
x = F.relu(self.fc2(x))
|
|
70
|
+
|
|
71
|
+
x = self.fc3(x)
|
|
72
|
+
|
|
73
|
+
return x
|
|
74
|
+
|
|
75
|
+
|
|
76
|
+
|
|
77
|
+
def num_flat_features(self, x):
|
|
78
|
+
|
|
79
|
+
size = x.size()[1:] # all dimensions except the batch dimension
|
|
80
|
+
|
|
81
|
+
num_features = 1
|
|
82
|
+
|
|
83
|
+
for s in size:
|
|
84
|
+
|
|
85
|
+
num_features *= s
|
|
86
|
+
|
|
87
|
+
return num_features
|
|
88
|
+
|
|
89
|
+
|
|
90
|
+
|
|
91
|
+
|
|
92
|
+
|
|
93
|
+
net = Net()
|
|
94
|
+
|
|
95
|
+
print(net)
|
|
96
|
+
|
|
97
|
+
|
|
98
|
+
|
|
99
|
+
input = torch.randn(1, 1, 32, 32)
|
|
100
|
+
|
|
101
|
+
out = net(input)
|
|
102
|
+
|
|
103
|
+
print(out)
|
|
42
104
|
|
|
43
105
|
```
|