ModuleDict:什么情况下使用

最新推荐文章于 2024-05-03 16:00:32 发布

淡水，

最新推荐文章于 2024-05-03 16:00:32 发布

阅读量424

点赞数 6

文章标签： pytorch 人工智能深度学习

本文链接：https://blog.csdn.net/weixin_43013480/article/details/136562384

版权

文章介绍了如何在深度学习中使用nn.ModuleDict来动态替换不同的层，如LeakyReLU和ReLU，通过Sequential结构实现可配置的网络设计。

摘要由CSDN通过智能技术生成

以字典的形式保存深度学习中的一些层，使用情况主要在我们想动态更换一些层的时候，代码示例如下：

def conv_block(in_f, out_f, activation='relu', *args, **kwargs):
    
    activations = nn.ModuleDict([
                ['lrelu', nn.LeakyReLU()],
                ['relu', nn.ReLU()]
    ])
    
    return nn.Sequential(
        nn.Conv2d(in_f, out_f, *args, **kwargs),
        nn.BatchNorm2d(out_f),
        activations[activation]
    )

print(conv_block(1, 32,'lrelu', kernel_size=3, padding=1))
print(conv_block(1, 32,'relu', kernel_size=3, padding=1))

Sequential(
  (0): Conv2d(1, 32, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
  (1): BatchNorm2d(32, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
  (2): LeakyReLU(negative_slope=0.01)
)
Sequential(
  (0): Conv2d(1, 32, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
  (1): BatchNorm2d(32, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
  (2): ReLU()
)