模型组网

    飞桨框架2.0中，组网相关的API都在paddle.nn目录下，你可以通过 Sequential 或 SubClass 的方式构建具体的模型。组网相关的API类别与具体的API列表如下表：

    针对顺序的线性网络结构你可以直接使用Sequential来快速完成组网，可以减少类的定义等代码编写。具体代码如下：

    针对一些比较复杂的网络结构，就可以使用Layer子类定义的方式来进行模型代码编写，在__init__构造函数中进行组网Layer的声明，在forward中使用声明的Layer变量进行前向计算。子类组网方式也可以实现sublayer的复用，针对相同的layer可以在构造函数中一次性定义，在forward中多次调用。

    1. # Layer类继承方式组网
    2. class Mnist(paddle.nn.Layer):
    3.     def __init__(self):
    5.         self.flatten = paddle.nn.Flatten()
    6.         self.linear_1 = paddle.nn.Linear(784, 512)
    7.         self.linear_2 = paddle.nn.Linear(512, 10)
    8.         self.relu = paddle.nn.ReLU()
    9.         self.dropout = paddle.nn.Dropout(0.2)
    11.     def forward(self, inputs):
    12.         y = self.flatten(inputs)
    14.         y = self.dropout(y)
    15.         y = self.linear_2(y)
    17.         return y
    19. mnist_2 = Mnist()

    你除了可以通过上述方式组建模型外，还可以使用飞桨框架内置的模型，路径为 paddle.vision.models ，具体列表如下：

    1. 飞桨框架内置模型： ['ResNet', 'resnet18', 'resnet34', 'resnet50', 'resnet101', 'resnet152', 'VGG', 'vgg11', 'vgg13', 'vgg16', 'vgg19', 'MobileNetV1', 'mobilenet_v1', 'MobileNetV2', 'mobilenet_v2', 'LeNet']

    使用方式如下：

    你可以通过paddle.summary()方法查看模型的结构与每一层输入输出形状，具体如下：