Pytorch：定义的网络结构层能否重复使用

最新推荐文章于 2023-08-28 21:36:32 发布

idotc

最新推荐文章于 2023-08-28 21:36:32 发布

阅读量6.1k

点赞数 12

分类专栏：深度学习实践文章标签： Pytorch python 深度学习

本文链接：https://blog.csdn.net/qq_21578849/article/details/86613767

版权

本文探讨了在Pytorch中是否可以重复使用已定义的网络结构层。通过实验，作者发现连续使用相同的层不会产生预期的效果，而间断使用会导致新定义的层生效。这表明网络结构层不能简单地重复使用。

摘要由CSDN通过智能技术生成

前言：最近在构建网络的时候，有一些层参数一样，于是就没有定义新的层，直接重复使用了原来已经有的层，发现效果和模型大小都没有什么变化，心中产生了疑问：定义的网络结构层能否重复使用？因此接下来利用了一个小模型网络实验了一下。

一、网络结构一：（连续使用相同的层）

1、网络结构如下所示：

class Cnn(nn.Module):
    def __init__(self):
        super(Cnn, self).__init__()
        self.conv1 = nn.Sequential(
          nn.Conv2d(
            in_channels = 3,  #(, 64, 64, 3)
            out_channels = 16,
            kernel_size = 3,
            stride = 1,
            padding = 1
          ),   ##( , 64, 64, 16)
          nn.ReLU(),
          nn.MaxPool2d(kernel_size = 2)
        )  ##( , 32, 32, 16)
        self.conv2 = nn.Sequential(
          nn.Conv2d(16,32,3,1,1),
          nn.ReLU(),
          nn.MaxPool2d(2)
        )
        self.conv3 = nn.Sequential(
          nn.Conv2d(32,64,3,1,1),
          nn.ReLU(),
          nn.MaxPoo