Python para IA · Lección 18
¿Qué patrón general sigue la construcción de una red neuronal simple usando el módulo nn de PyTorch, en cuanto a cómo se define su arquitectura y su comportamiento?
Se define una clase que hereda de nn.Module, especificando las capas del modelo en el constructor y definiendo el flujo de datos hacia adelante (forward pass) en un método específico, describiendo así tanto la estructura como el comportamiento del modelo de forma organizada
Construir una red neuronal con PyTorch requiere escribir manualmente cada operación matemática de bajo nivel sin ninguna abstracción disponible que simplifique ese proceso
Solo se puede definir exactamente una única capa en total dentro de una red neuronal construida con PyTorch, sin ninguna posibilidad real de tener arquitecturas con más capas
El método forward pass define exclusivamente cómo se entrena el modelo, sin ninguna relación real con cómo fluyen los datos a través de sus capas
Python para IA · Lección 18
Completa el código
Se define el flujo de datos hacia adelante en un método llamado
Revisa: se define el flujo de datos hacia adelante en un método llamado forward.
Python para IA · Lección 18
¿Por qué separar la definición de las capas del modelo (en el constructor) del flujo de datos entre ellas (en el método forward) hace que el código de una red neuronal sea más legible y organizado?
Pista: tener las capas declaradas claramente en un lugar (el constructor) y la lógica de cómo se conectan y usan en otro lugar separado (el método forward) hace que sea más fácil entender de un vistazo qué componentes tiene el modelo y, por separado, cómo fluyen realmente los datos a través de ellos; esa organización clara facilita modificar la arquitectura después sin tener que desenredar una mezcla confusa de declaración y uso combinados en un mismo lugar.
✓
¡Lección completada!
Construir una red neuronal simple con PyTorch
0
XP ganado
3
Vidas restantes