Pytorch学习4 nn.module容器

nn.module中容器可以存储一段网络结构，方便重复使用。

容器一般有三种构建方法

• nn.Sequetail :按顺序包装多个网络层
• nn.Modulelist: 像python中list一样包装多个网络层，可以像列表一样迭代
• nn.Muduledict: 像python中dict一样包装多个网络层，给每个网络层加上名称

# sequetail
class lenet_sequetail(nn.module):
	def __init__(self, classes):
		super(lenet_sequetail, self).__init__()
		self.features = nn.Sequetail(
		nn.Conv2d(3, 6, 5),
		nn.Relu(),
		nn.MaxPool2d(kernel_size = 2, stride = 2),
		nn.Conv2d(6, 16, 5),
		nn.Relu(),
		nn.MaxPool2d(kernel_size = 2, stride = 2),
		)
		self.classifier = nn.Sequetail(
		nn.Linear(16*5*5, 120),
		nn.Relu(),
		nn.linear(120, 84),
		nn.Rule()
		nn.Linear(84, classes),)
	def forward(self, x):
		x = self.feature(x)
		x = x.view(x.size()[0], -1)
		x = x.classifier(x)
		return x
		
	..................

Sequetail使用的时候forward是用for循环实现的。

list主要的三种方法

• append（）： 在后面添加网络层
• extand () ： 拼接网络层
• insert () : 指定位置插入网络层

dict的方法是在网络层前命名，详细参考官方文档

官方文档