Pytorch 学习笔记 nn.ModuleList与nn.Sequential
nn.Sequential是Module的子类,在构建若干个网络层之后,由于其内部已经封装好了forward函数,可以直接调用forward方法。
nn.ModuleList也是Module的子类,类似于python中的列表,构建的过程相当于将一系列层装入了这个list,但不管ModuleList包裹了多少个层,内嵌的所有层都要是可迭代的Module的子类。由于其内部并没有封装forward函数,需要网络结构独立构建forward函数,在forward函数中可以引用ModuleList的成员。
当使用ModuleList包裹各个层之后,可以像python里的list一样对模型的各个层进行索引,同时这些层的参数将会被自动注册,这些层的参数只有被正确注册之后,优化器才能发现和训练这些参数。
以MAE中编码器的Block定义为例
# 定义编码器的transformer block,使用的是timm库里面封装好的block
self.blocks = nn.ModuleList([
Block(embed_dim, num_heads, mlp_ratio, qkv_bias=True, norm_layer=norm_layer)
for i in range(depth)])
def forward_encoder(self, x, mask_ratio):
# apply Transformer blocks
for blk in self.blocks:
x = blk(x)
x = self.norm(x)
# 得到encoder的输出
return x, mask, ids_restore
参考:
https://blog.csdn.net/xiaojiajia007/article/details/82118559
https://blog.csdn.net/yangwangnndd/article/details/95074331