卷积神经网络（CNN）前向传播手撕

题目

手写数字识别的卷积神经网络（CNN）代码，实现前向传播

解答

import torch
import torch.nn as nn

class Net(nn.Module):
    def __init__(self):
        # super(Net, self).__init__()
        super().__init__()
        self.model = nn.Sequential(
            # The size of the picture is 28x28
            nn.Conv2d(in_channels = 1,out_channels = 16,kernel_size = 3,stride = 1,padding = 1),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size = 2,stride = 2),
            
            # The size of the picture is 14x14
            nn.Conv2d(in_channels = 16,out_channels = 32,kernel_size = 3,stride = 1,padding = 1),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size = 2,stride = 2),
            
            # The size of the picture is 7x7
            nn.Conv2d(in_channels = 32,out_channels = 64,kernel_size = 3,stride = 1,padding = 1),
            nn.ReLU(),
            
            nn.Flatten(),
            nn.Linear(in_features = 7 * 7 * 64,out_features = 128),
            nn.ReLU(),
            nn.Linear(in_features = 128,out_features = 10),
            nn.Softmax(dim=1)
        )
        
    def forward(self,input):
        output = self.model(input)
        return output

net = Net()
# 将模型转换到device中，并将其结构显示出来
# print(net.to(device))

trainImgs = torch.Tensor(32, 1, 28, 28)  # [B, C, H, W]
outputs = net(trainImgs)
print(outputs.shape)  # torch.Size([32, 10])

注意

在 Python 中，super(Net, self).__init__(）或super().__init__() 的作用是调用父类的构造函数，确保子类 Net 继承自父类（如 torch.nn.Module）的属性和方法被正确初始化。

1. 代码含义

• super()：返回父类的代理对象，用于调用父类的方法。

• Net：当前子类的名称。

• self：当前子类的实例对象。

• __init__()：父类的构造函数方法。

组合起来：
调用 Net 的父类（例如 torch.nn.Module）的 __init__() 方法，确保父类的初始化逻辑被执行。

2. 为什么需要这行代码？

• 继承父类功能：
  在 PyTorch 中，自定义神经网络模型必须继承 torch.nn.Module。
  父类 Module 内部定义了模型的核心机制（如参数管理、GPU 转换等）。
  如果不调用父类的 __init__()，这些功能将无法正确初始化。

• 避免潜在错误：
  如果省略这行代码，子类 Net 将无法使用 Module 的功能，导致以下问题：

  • 模型参数（如 Conv2d 的权重）不会被识别和优化。

  • 无法将模型移动到 GPU（.to(device)）。

  • 无法正确保存或加载模型（torch.save / torch.load）。

3.在 PyTorch 中的具体作用

在 PyTorch 模型中，父类 torch.nn.Module 的 __init__() 会做以下关键操作：

1. 注册参数（Parameters）和子模块（Submodules）：
   将 self.conv1、self.linear 等子层添加到模型的参数列表中，优化器（如 torch.optim.SGD）才能找到并更新这些参数。

2. 设备管理：
   跟踪模型所在的设备（CPU/GPU），确保输入数据和模型参数在同一设备上。

3. 模型序列化：
   支持模型的保存（torch.save）和加载（torch.load）。