pytorch中的 ModuleList 和 Sequentia对比

最新推荐文章于 2024-05-11 12:18:27 发布

风居住的街道~

最新推荐文章于 2024-05-11 12:18:27 发布

阅读量234

点赞数

文章标签：深度学习 pytorch

本文链接：https://blog.csdn.net/Ming_LQ/article/details/116172595

版权

本文探讨了PyTorch中的ModuleList和Sequential两种结构。ModuleList结合了Module和list特性，允许存储多个模型，支持序列化处理和灵活的网络结构，但执行顺序需在forward函数中决定。Sequential则按顺序执行模块，提供简洁的forward，但牺牲了部分灵活性，要求前后模块输入输出大小匹配。了解这两者的特点有助于更好地构建和理解PyTorch网络。

摘要由CSDN通过智能技术生成

pytorch中的 ModuleList 和 Sequential对比

1 ModuleList
2 Sequential

在构建深度神经网络时，我们经常会用到ModuleList 和 Sequential，它们都是用来组合深度网络中的nn.Module/block，从而创建一个新的网络用的,能够简化模型的创建方式，但二者在使用上有所差异。
下面是传统的模型创建方式：

class model1(nn.Module):
    def __init__(self):
        super(model1,self).__init__()
        self.linear1=nn.Linear(1,10)
        self.activation1=nn.ReLU()
        self.linear2=nn.Linear(10,100)
        self.activation2=nn.ReLU()
        self.linear3=nn.Linear(100,10)
        self.activation3=nn.ReLU()
        self.linear4=nn.Linear(10,1)
    def forward(self,x)