PyTorch self.modules()

介绍

self.modules()是继承torch.nn.Modules()的类拥有的方法，以迭代器形式返回此前声明的所有layers

实验

代码

class BasicBlock(nn.Module):
    expansion = 1
    def __init__(self, inplanes, planes, stride=1, downsample=None):
        super(BasicBlock, self).__init__()
        self.conv1 = conv3x3(inplanes, planes, stride)
        self.bn1 = nn.BatchNorm2d(planes)
        self.relu = nn.ReLU(inplace=True)
        self.conv2 = conv3x3(planes, planes)
        self.bn2 = nn.BatchNorm2d(planes)
        self.lls = nn.Sequential(self.relu,nn.Linear(10,10))
        self.lls1 = nn.Sequential(nn.Linear(10,19),nn.Linear(10,10))
        for i,j in enumerate(self.modules()):
        	print(i,"->:",j)

结果

1. 这是一个深度优先遍历，遇到Sequential会继续深入
2. 如果有layer在之前已经声明过，则不再添加，就像上图第六个，Sequential里的relu，在第三个已经打印，在之后不会打印，也就是说这是一个集合，没有重复元素。