PyTorch中的Sequential、ModuleList和ModuleDict用法总结

已于 2022-06-11 21:29:39 修改
阅读量1.3k 收藏 1
点赞数 1
分类专栏： pytorch知识宝典 文章标签： pytorch python 深度学习
于 2022-06-11 21:24:07 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jacke121/article/details/125238943
版权
本文介绍了PyTorch中Sequential、ModuleList和ModuleDict的区别和用法，包括添加删除模块的限制、ModuleList的常用操作以及ModuleDict的字典式操作。并展示了如何使用它们构建和更新神经网络结构。
摘要由CSDN通过智能技术生成


以下内容转自：

PyTorch中的Sequential、ModuleList和ModuleDict用法总结_非晚非晚的博客-CSDN博客

1. 区别与联系
首先来一张图，总体概括一下它们的区别：


区别

nn.Sequential内部实现了forward函数，因此可以不用写forward函数。而nn.ModuleList和nn.ModuleDict则没有实现内部forward函数。

nn.Sequential需要严格按照顺序执行，而其它两个模块则可以任意调用。



下面分别进行介绍。

1.1 nn.Sequential 不能自由添加删除

nn.Sequential里面的模块按照顺序进行排列的，所以必须确保前一个模块的输出大小和下一个模块的输入大小是一致的，不能自由添加，

了解本专栏 订阅专栏 解锁全文 超级会员免费看
AI算法网奇
关注
专栏目录
订阅专栏
PyTorch随笔 - Sequential 和 ModuleList 的简要介绍
Mystra
07-04 316
Module Class，继承于torch.nn.Moduletrain()函数：train(mode=True)，当前self.training=True，所有子模块children，都设置training=True，设置self.training参数，子类会使用training参数Dropout源码，Dropout -> _DropoutNd -> Module、BatchNorm源码，都使用training模式 eval()函数：train(mode=Fale)：当前模型的所有参数，modul
Pytorch深度学习（1） -- 建模基础
weixin_44880916的博客
02-12 618
Pytorch深度学习 -- 建模相关1 模型构建1.1 模型构造1.1.1 继承`Module`类来构造模型1.1.2 `Module`的子类1.1.2.1 `Sequential`类1.1.2.2 `ModuleList`类1.1.2.3 `ModuleDict`类1.1.3 构造复杂的模型1.1小结1.2 模型参数的访问、初始化和共享1.2.1 访问模型参数1.2.2 初始化模型参数1.2....
pytorch容器之nn.Sequential, nn.ModuleList, nn.ModuleDict介绍
chase
06-08 2028
pytorch容器之nn.Sequential, nn.ModuleList, nn.ModuleDict介绍
pytorch笔记：ModuleDict
qq_40206371的博客
05-03 407
nn.Module。
pytorch系列文档之API：Containers中的ModuleDict
yrwang_xd的博客
06-04 720
将子模块放到一个字典里 torch.nn.ModuleDict(modules=None) ModuleDict 可以像regular Python dictionary一样进行索引 ModuleDict 是一个有序的字典. Note that update() with other unordered mapping types (e.g., Python’s plain dict) does not preserve the order of the merged mapping. 参数： modul
【PyTorch】模型构造：Module 和其子类Sequential、ModuleList、ModuleDict
qq_19655645的博客
08-11 531
0. 导入用到的库 import torch import torch.nn as nn from collections import OrderedDict 1. 继承Module构造和访问模型 Module 类是 torch.nn 模块里提供的⼀个模型构造类，是所有神经⽹络模块的基类，我们可以继承它来定义我们想要的模型。 只需重写 forward方法 class MLP(nn.Module): def __init__(self, **kwargs): su.
PyTorch模型定义和相关使用
1ncludeSteven
09-18 931
主要介绍PyTorch模型定义的方式（Sequential，ModuleList、ModuleDict）及它们的优缺点，然后介绍如何基于模块（模型块，通常是事先定义好的多个层组成的部分）快速搭建大型复杂网络，接着介绍如何修改已有的模型（修改模型输出，添加额外输入，添加额外输出），最后介绍模型的保存和读取（结合单卡和多卡介绍）
使用PyTorch进行深度学习 Deep Learning with PyTorch.zip
04-09
`nn.Sequential`、`nn.ModuleList`和`nn.ModuleDict`等容器可以帮助组织网络结构。 5. 训练流程（Training Loop）： 深度学习模型的训练通常包括前向传播、损失计算、反向传播和参数更新。PyTorch提供了`optim`...
【PyTorch】教程：torch.nn.ModuleDict
02-17 1915
将所有的子模块放到一个字典中。ModuleDict可以像常规Python字典一样进行索引，但它包含的模块已正确注册，所有Module方法都可以看到。ModuleDict是一个字典。– 一个（）映射（字典）或者可迭代的键值对。clear移除ModuleDict里所有的子模块。items返回 ModuleDict 键值对的迭代器keys返回ModuleDict键的可迭代项。返回： Iterable[str]popkey (str)– 从ModuleDict弹出的键返回：Module。
pytorch的python API略读--Sequential/ModuleList/ModuleDict
机器视觉全栈er的博客
04-30 1782
作者：机器视觉全栈er 网站：cvtutorials.com 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： import torch.nn as nn import torch c.
Python神经网络模型--Sequential应用举例
热门推荐
查数菇乐园
05-20 1万+
本篇文章都是Sequential应用的例子 如果想要了解模型，可以先看一下这篇文章： Sequential模型详解 下面是样例展示： 这里有几个可以帮助你开始的例子！ 在 examples 目录 中，你可以找到真实数据集的示例模型： CIFAR10 小图片分类：具有实时数据增强的卷积神经网络 (CNN) IMDB 电影评论情感分类：基于词序列的 LSTM Reuters 新闻主题分类：多层感知器 (MLP) MNIST 手写数字分类：MLP 和 CNN 基于 LSTM 的字符级文本生成 基于多层感知器
排序算法的python实现与算法分析——顺序查找(Sequential Search)
cy15625010944的博客
06-26 608
引言
【PyTorch】4-模型定义（Sequential、ModuleList/ModuleDict、模型块组装、修改模型、模型保存和读取）
m0_65787507的博客
05-05 1005
Module类是torch.nn模块里提供的一个模型构造类 (nn.Module)，是网络模型的基类。
PyTorch基础模块nn.Sequential
weixin_45653897的博客
05-31 5782
nn.Sequential模块学习
PyTorch中model.state_dict()，model.modules()，model.children()，model.named_children()等含义
学习 & 分享 ~
06-02 6347
PyTorch 中 model 的各种方法总结：首先定义网络模型 Net： 网络 Net 本身是一个 nn.Module 的子类，包含了 backbone 和 classifier 两个由 Sequential 容器组成的 nn.Module 子类，backbone 和 classifier 各自又包含一些网络层，这些网络层也都属于 nn.Module 子类，所以从外到内共有三级：model 各种方法的返回值： 除了 model.state_dict() 返回值为一个有序字典，其他方法的返回值都是一个生成器
【Python深度学习系列】基于Sequential方法搭建BP神经网络实现分类任务（附源码和实现效果）
数据杂坛
10-24 1344
基于Sequential方法搭建BP神经网络实现分类任务（附源码和实现效果）
Pytorch 中的 Sequential
最新发布
SILVERCROWNAGE的博客
08-24 425
它也有一些限制，如。
pytorch nn.ModuleList和nn.Sequential的用法笔记
jacke121的专栏
08-05 1187
pytorch nn.ModuleList和nn.Sequential的用法笔记
对pytorch中nn.modulelist 和 nn.sequential详解
05-02
pytorch 是一个高效的深度学习框架，其中nn.modulelist 和 nn.sequential是常用的模块。这两种模块都可以用于创建深度学习网络，并且能够实现自动求导。nn.sequential 是一个有序的容器，其中每个模块按照传入的顺序...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值