torch7 nngraph

torch里面有连个build网络的基本概念，一个是modules，另一个则是containers。
modules是一些可以简单执行前传和后传的层
而containers则是将modules结合在一起的一个模块

1、nngraph建立一个新的网络将重点放在了网络的结构图上面，nngraph重载了call 运算符，也即()，这个重载的运算符可以应用在任何的module上面，避免了container的使用。通过执行call操作,会返回一个nngraph包含一个nn.Module这样的一个模块的node

call操作接受父节点作为输入参数，指定哪一个作为前传

h1 = nn.Linear(20, 10)()
h2 = nn.Linear(10, 1)(h1)
mlp = nn.gModule({h1},{h2})

上面的结构h1是第一层，h2是第二层，最后用nn.gModule模块接受{h1},{h2}两个参数，{h1}代表的是nn的输入node的一个table，{h2}代表的是nn的输入node的一个table

2、分析一个复杂点的结构

m = nn.Sequential()
m:add(nn.SplitTable(1))
m:add(nn.ParallelTable():add(nn.Linear(10, 20)):add(nn.Linear(10, 30)))
input = nn.Identity()()
input1, input2 = m(input):split(2)   --sequential模块的输出是input1,input2,这里的split是对m的输出进行操作
m3 = nn.JoinTable(1)({input1, input2})

g = nn.gModule({input}, {m3})

indata = torch.rand(2, 10)
gdata = torch.rand(50)
g:forward(indata)
g:backward(indata, gdata)

mapindex是父节点，module是模块的名字，input是输入，output是输出

3、
nngraph还有一些别的性质，可以利用graphviz的性质为整个输出的图加上特殊的可视化的性质
4、
此外，nngraph还能在debug模式下测试网络是否是有错误的。参考官网的例子即可

-- draw graph (the forward graph, '.fg'), use it with itorch notebook
graph.dot(model.fg, 'MLP')
-- or save graph to file MLP.svg and MLP.dot
graph.dot(model.fg, 'MLP', 'MLP')

graph.dot两行的区别在于第一行需要显示，如果qtlua不成功就会失败，第二行只需要保存生成的svg和dot文件即可

5、既然nngraph代表的是container，那么他就可以调用container的get(),size()等函数

self.model:get(3).output

获得网络中第三个模块的输出