Neural network nn.Functinal vs nn-Pytorch_Neural Network_Pytorch

Neural network nn.Functinal vs nn-Pytorch

neural-network pytorch

Neural network nn.Functinal vs nn-Pytorch,neural-network,pytorch,Neural Network,Pytorch,在pytorch中添加损耗时，我在nn中有相同的函数。Functional和nn一样。有什么区别 torch.nn.CrossEntropyLoss（）和torch.nn.functional.cross\u entropyloss从@Alban D中输入相同的文本，给出了类似问题的答案损失没有多大区别。 nn.functional.xxx和nn.xxx之间的主要区别在于一个有状态，一个没有状态。这意味着，对于线性层，例如，如果您使用功能版本，您将需要自己处理权重（包括将权重传递给优化器或

在pytorch中添加损耗时，我在nn中有相同的函数。Functional和nn一样。有什么区别

torch.nn.CrossEntropyLoss（）

和

torch.nn.functional.cross\u entropyloss

从@Alban D中输入相同的文本，给出了类似问题的答案

损失没有多大区别。

nn.functional.xxx

和

nn.xxx

之间的主要区别在于一个有状态，一个没有状态。
这意味着，对于线性层，例如，如果您使用功能版本，您将需要自己处理权重（包括将权重传递给优化器或将权重移动到gpu），而

nn.Xxx

版本将使用

.parameters（）

或

.to（device）

为您完成所有这些操作

对于损失函数，由于不需要参数（通常），您不会发现太多差异。除此之外，例如，如果使用模块在类之间使用交叉熵和一些权重，则在创建模块时只会给出一次权重，然后使用它。如果您正在使用，则每次使用时都需要传递权重