Unterschied zwischen Torch.nn.Module und Torch.Tensor? ⇐ Python

[Anonymous]

Ich lerne PyTorch und sehe zwei gängige Klassen: Torch.Tensor und Torch.nn.Module. Ich bin etwas verwirrt über die Unterschiede und darüber, wann ich sie verwenden soll.
Das habe ich bisher verstanden:

• Code: Select all

  torch.Tensor

  stellt Daten dar, normalerweise ein mehrdimensionales Array, und unterstützt Operationen wie Addition, Multiplikation und Gradientenberechnung.

• Code: Select all

  torch.nn.Module

  ist eine Basisklasse für alle neuronalen Netzwerkmodelle in PyTorch. Es kann Ebenen und Parameter enthalten und definiert eine vorwärts()-Methode.

Ich bin mir bei Folgendem nicht sicher:

• Kann ich Torch.Tensor verwenden, um Modelle direkt zu definieren?
• Warum verwenden wir stattdessen immer eine Unterklasse von Torch.nn.Module für neuronale Netze oder nur Tensoren verwenden?
• Wie interagieren Modul und Tensor während des Trainings?

Könnte jemand den Unterschied anhand von Beispielen klar erklären?