网络容器------Pytorch

一、容器(在Net网络类的__init__函数中使用)
    1、nn.Sequetial:按顺序包装多个网络层
        class Net(nn.module):
            def __init__(self,classes)
                super(Net,self).__init__()
                self.network = nn.Sequetial(
                    nn.Conv2d(3,6,5),
                    nn.ReLU())
                self.network.add_module('MaxPool',nn.MaxPool2d(kernel_size=2,stride=2))
                self.network.add_module(nn.MaxPool2d(kernel_size=2,stride=2))
            def forward(self,x):
                x = self.network(x)
                x = x.view(x.size()[0],-1)
            
    2、nn.ModuleList:像python的list一样包装多个网络层
        2.1 extend() # 拼接两个ModuleList
        2.2 insert() # 在指定ModuleList位置插入网络层
        class Net(nn.module):
            def __init__(self)
                super(Net,self).__init__()
                self.linears = nn.ModuleList(
                    nn.Linear(10,10) for i in range(3)])
                self.linears.append(nn.Linear(10,1))
            def forward(self,x):
                for linear in self.linears:
                    x = linear(x)
                return x
                
    3、nn.moduleDict:像python的dict一样包装多个网络层
        # clear() 清空ModuleDict
        # items() 返回可迭代的键值对
        # keys() 返回字典的键
        # values() 返回字典的值
        # pop() 返回一对键值，并从字典中删除





其他
    1、torch.nn.Parameter:张量子类，表示可学习参数，如weight,bias
    2、torch.nn.Module:所有网络基类，管理网络属性
    3、torch.nn.functional:函数具体实现，如卷积、池化、激活函数等
    4、torch.nn.init:参数初始化方法