搭建小实战和Sequential的使用

什么是Sequential?

"Sequential"是PyTorch中的一个模块，用于构建神经网络模型。它允许你按照顺序将不同的神经网络层组合在一起，形成一个网络模型。你可以把它想象成一个管道，数据从一个层流向另一个层，最终经过整个管道的处理得到输出。
简而言之，就是方便对数据进行处理，代码更加简洁。

通过搭建一个小的神经网络来对比使用Sequential前后，代码的变化：

未使用Sequential前：

import torch
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential

class My_Model(nn.Moudel):
    def __init__(self):
        super(My_Model, self).__init__()
        //	开始对数据进行处理
        self.conv1 = Conv2d(3, 32, 5, padding=2)
        self.max_pool1 = MaxPool2d(2)
        self.conv2 = Conv2d(32, 32, 5, padding=2)
        self.max_pool2 = MaxPool2d(2)
        self.conv3 = Conv2d(32, 64, 5, padding=2)
        self.max_pool3 = MaxPool2d(2)
        self.flatten = Flatten()
        self.linear1 = Linear(1024, 64)
        self.linear2 = Linear(64, 10)

    def forward(self, x):
        x = self.conv1(x)
        x = self.max_pool1(x)
        x = self.conv2(x)
        x = self.max_pool2(x)
        x = self.conv2(x)
        x = self.max_pool3(x)
        x = self.flatten()
        x = self.linear1(x)
        x = self.linear2(x)
        return x

my_model = MyModel()
print(my_model)
   

使用Sequential后：

import torch
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential


class MyModel(nn.Module):
    def __init__(self):
        super(MyModel, self).__init__()
        self.model1 = Sequential(
            Conv2d(3, 32, 5, padding=2),
            MaxPool2d(2),
            Conv2d(32, 32, 5, padding=2),
            MaxPool2d(2),
            Conv2d(32, 64, 5, padding=2),
            MaxPool2d(2),
            Flatten(),
            Linear(1024, 64),
            Linear(64, 10)
        )

    def forward(self, x):
        x = self.model1(x)
        return x


my_module = MyModel()
print(my_module)


input = torch.ones((64, 3, 32, 32))
output = my_module(input)
print(output.shape)

通过两张图片的对比可以看出来，结果是一样的，但是使用Sequential以后，代码明显更加简洁;