Question

class Model(nn.Module):
def __init__(self):
    super(Model, self).__init__()
    self.encoder = nn.Linear(300, 100)
    self.dense1 = nn.Sequential(nn.Linear(100, 10),nn.ReLU())
    self.dense2 = nn.Sequential(nn.Linear(10, 5),nn.ReLU())
    self.dense3 = nn.Sequential(nn.Linear(5, 1))
def forward(self, x):
    x = self.encoder(x)
    x = self.dense1(x)
    x = self.dense2(x)
    x = self.dense3(x)
    return x

我正在研究回归问题，我需要使用density2层的输出来计算损失。

致密2层的输出为5维（5x1）。

我正在使用PyTorch。

数据集：假设我正在使用300个功能，并且我需要预测一些分数（一个浮动值）。输入：300个功能输出：一些浮动值

Answer 1

通常，您的nn.Module可以返回任意多个元素。此外，您不必在任何地方使用它们-没有机制可以对其进行检查。 Pytorch的哲学是在运行中计算计算图。

class Model(nn.Module):
def __init__(self):
    super(Model, self).__init__()
    self.encoder = nn.Linear(300, 100)
    self.dense1 = nn.Sequential(nn.Linear(100, 10),nn.ReLU())
    self.dense2 = nn.Sequential(nn.Linear(10, 5),nn.ReLU())
    self.dense3 = nn.Sequential(nn.Linear(5, 1))

def forward(self, x):
    enc_output = self.encoder(x)
    dense1_output = self.dense1(enc_output)
    dense2_output = self.dense2(dense1_output)
    dense3_output = self.dense3(dense2_output)
    return dense3_output, dense2_output

如何使用中间层的输出定义损耗函数？

1 个答案: