【10】调用Sequential()模块完成神经网络的搭建

【1】nn.Sequential()模块

当模型中只是简单的前馈网络时，即上一层的输出直接作为下一层的输入，这时可以采用nn.Sequential()模块来快速搭建模型，而不必手动在forward()函数中一层一层地前向传播。

因此，如果想快速搭建模型而不考虑中间过程的话，推荐使用nn.Sequential()模块。

【2】代码

 sequentialmodel.py

# -*- coding: utf-8 -*-#

#-------------------------------------------------------------------------------
# Name:         sequentialmodel
# Description:  
# Author:       Administrator
# Date:         2020/12/7
#-------------------------------------------------------------------------------

'''
当模型中只是简单的前馈网络时，即上一层的输出直接作为下一层的输入，
这时可以采用nn.Sequential()模块来快速搭建模型，
而不必手动在forward()函数中一层一层地前向传播。
'''
from  torch import nn
class Perception(nn.Module):
    def __init__(self,in_dim,hid_dim,out_dim):
        super(Perception, self).__init__()
        self.layer=nn.Sequential(
           nn.Linear(in_dim,hid_dim),
           nn.Sigmoid(),
           nn.Linear(hid_dim,out_dim),
           nn.Sigmoid()
        )
    def forward(self,x):
        y=self.layer(x)
        return y

testSequentialmodel.py

# -*- coding: utf-8 -*-#

#-------------------------------------------------------------------------------
# Name:         testSequentialmodel
# Description:  
# Author:       Administrator
# Date:         2020/12/7
#-------------------------------------------------------------------------------
import torch
from  sequentialmodel import Perception
model=Perception(100,1000,10)
print(model)

[3]结果展示