nn.ModuleList和nn.Sequential的联合使用举例

1 .nn.ModuleList首先是一个list,里面是nn.Sequential

2. nn.Sequential相当于一个子模块C2F,可以顺序执行,不用forward里面再写运行逻辑了

`nn.ModuleList` 和 `nn.Sequential` 是 PyTorch 中用于管理模型层的两个类。它们可以结合使用来管理和组织模型的子模块。下面是一个简单的示例，演示了如何使用 `nn.ModuleList` 和 `nn.Sequential` 来定义一个模型。

```python
import torch
import torch.nn as nn

class MyModel(nn.Module):
    def __init__(self):
        super(MyModel, self).__init__()
        
        self.layers = nn.ModuleList([
            nn.Sequential(
                nn.Linear(10, 10),
                nn.ReLU(),
            ),
            nn.Sequential(
                nn.Linear(10, 5),
                nn.ReLU(),
            )
        ])
        
        self.output_layer = nn.Linear(5, 1)
        
    def forward(self, x):
        for layer in self.layers:
            x = layer(x)
        
        x = self.output_layer(x)
        return x

# 创建模型实例
model = MyModel()

# 输入数据
input_data = torch.randn(1, 10)

# 前向传播
output = model(input_data)

print(output)
```

在上面的示例中，我们定义了一个名为 `MyModel` 的模型类。该模型包含两个子模块，每个子模块都是一个 `nn.Sequential` 对象，其中包含一个线性层和 ReLU 激活函数。这些子模块被存储在 `nn.ModuleList` 对象 `self.layers` 中。

在 `forward` 方法中，我们遍历 `self.layers` 中的每个子模块，并将输入 `x` 传递给它们，然后将输出作为下一个子模块的输入。最后，我们将最后一个子模块的输出传递给 `self.output_layer`，它是一个线性层，得到最终的模型输出。

通过使用 `nn.ModuleList` 和 `nn.Sequential` 的组合，我们可以方便地管理和组织模型的子模块，使代码更加简洁和可读。