Web サイトの pytorch コードの例を次に示します。
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
# 1 input image channel, 6 output channels, 3x3 square convolution
# kernel
self.conv1 = nn.Conv2d(1, 6, 3)
self.conv2 = nn.Conv2d(6, 16, 3)
# an affine operation: y = Wx + b
self.fc1 = nn.Linear(16 * 6 * 6, 120) # 6*6 from image dimension
self.fc2 = nn.Linear(120, 84)
self.fc3 = nn.Linear(84, 10)
def forward(self, x):
# Max pooling over a (2, 2) window
x = F.max_pool2d(F.relu(self.conv1(x)), (2, 2))
# If the size is a square you can only specify a single number
x = F.max_pool2d(F.relu(self.conv2(x)), 2)
x = x.view(-1, self.num_flat_features(x))
x = F.relu(self.fc1(x))
x = F.relu(self.fc2(x))
x = self.fc3(x)
return x
forward 関数では、一連の変換を x に適用するだけで、どのオブジェクトがその変換の一部であるかを明示的に定義することはありません。それでも、勾配を計算して重みを更新するとき、Pytorch は更新する重みと勾配の計算方法を「魔法のように」認識します。
このプロセスはどのように機能しますか? コード分析が行われていますか、それとも他に何か不足していますか?