Pytorch --- nn.Sequential()模块

最新推荐文章于 2025-07-13 18:25:58 发布

原创最新推荐文章于 2025-07-13 18:25:58 发布 · 7.8k 阅读

65 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #神经网络 #机器学习 #深度学习 #python

pytorch 专栏收录该内容

15 篇文章

订阅专栏

本文介绍PyTorch中nn.Sequential()的作用及使用方法，并通过AlexNet实例展示了如何将其用于网络层的组合。nn.Sequential()可以将多个网络层如Conv2d()、ReLU()、Maxpool2d()等串联起来，简化模型定义。

简而言之，nn.Sequential()可以将一系列的操作打包，这些操作可以包括Conv2d()、ReLU()、Maxpool2d()等，打包后方便调用吧，就相当于是一个黑箱，forward()时调用这个黑箱就行了。

节选AlexNet代码的一部分来理解sequential：

class AlexNet(nn.Module):
    def __init__(self, num_classes=1000, init_weights=False):
        super(AlexNet, self).__init__()
        
        self.features = nn.Sequential(
            nn.Conv2d(3, 48, kernel_size=11, stride=4, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2), 
            nn.Conv2d(48, 128, kernel_size=5, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            nn.Conv2d(128, 192, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(192, 192, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(192, 128, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
        )
        ......
        
    def forward(self, x):
        x = self.features(x)
        ......
        return x