前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >pytorch的python API略读--Sequential/ModuleList/ModuleDict

pytorch的python API略读--Sequential/ModuleList/ModuleDict

作者头像
用户9875047
发布2022-07-04 14:06:46
发布2022-07-04 14:06:46
29300
代码可运行
举报
文章被收录于专栏:机器视觉全栈er机器视觉全栈er
运行总次数:0
代码可运行

torch.nn.Sequential:序列容器,顾名思义,就是将构造函数中的子模块会按照你定义的序列顺序被添加到模块中。这里有个注意的小点,要注意区分Sequential和torch.nn.ModuleList,后者就是一个简单的列表,里面的元素是模块,但是模块之间是孤立的,前者则是互相连通的模块。还是以上面的网络模块为例,使用Sequential可以实现快速搭建:

代码语言:javascript
代码运行次数:0
运行
复制
import torch.nn as nn
import torch

class MyModule(nn.Module):
    def __init__(self):
        super().__init__()
        self.layer = nn.Sequential(
            nn.Conv2d(1, 3, 3),
            nn.ReLU(),
            nn.Conv2d(3, 3, 3),
            nn.ReLU()
            )

    def forward(self, x):
        x = self.layer(x)
        return x

my_module = MyModule()

cvtutorials = torch.randn(3, 1, 5, 5)
print("=====================================")
print(cvtutorials)
print("=====================================")
print(my_module(cvtutorials))

torch.nn.ModuleList():顾名思义,是多个Module组成的列表,还是以前面的网络模型举例:

代码语言:javascript
代码运行次数:0
运行
复制
import torch.nn as nn
import torch

class MyModule(nn.Module):
    def __init__(self):
        super().__init__()
        self.layers = nn.ModuleList([
            nn.Conv2d(1, 3, 3),
            nn.ReLU(),
            nn.Conv2d(3, 3, 3),
            nn.ReLU()])
    def forward(self, x):
        for layer in self.layers:
            x = layer(x)
        return x
my_module = MyModule()
cvtutorials = torch.randn(3, 1, 5, 5)
print("=====================================")
print(cvtutorials)
print("=====================================")
my_module(cvtutorials)

torch.nn.ModuleDict():顾名思义,是多个Module组成的字典,还是以前面的网络模型举例(注意这里前向推理的时候,只选择了conv1和activation1):

代码语言:javascript
代码运行次数:0
运行
复制
import torch.nn as nn
import torch

class MyModule(nn.Module):
    def __init__(self):
        super(MyModule, self).__init__()
        self.convs = nn.ModuleDict({
            "conv1": nn.Conv2d(1, 3, 3),
            "conv2": nn.Conv2d(3, 3, 3)
        })
        self.activations = nn.ModuleDict({
            "activation1": nn.ReLU(),
            "activation2": nn.ReLU()
        })

    def forward(self, x, conv, activation):
        x = self.convs[conv](x)
        x = self.activations[activation](x)
        return x

my_module = MyModule()
cvtutorials = torch.randn(3, 1, 5, 5)
print("=====================================")
print(cvtutorials)
print("=====================================")
my_module(cvtutorials, "conv1", "activation1")

现在我们来总结下Sequential, ModuleList, ModuleDict三者常见的应用场景:

www.cvtutorials.com

Sequential

ModuleList

ModuleDict

特点

顺序性

迭代性

索引性

应用场景

网络block搭建

大量重复网络结构

可选择网络模块

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2022-04-30,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 机器视觉全栈er 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档