pytorch学习之nn.Sequential类—使用Sequential类来自定义顺序连接模型

前言：类似于keras中的序贯模型，当模型较简单的时候，可以使用torch.nn.Sequential类来实现简单的顺序连接模型。Sequential类是继承自Module类的

Sequential类的定义：

class Sequential(Module): # 继承Module
    def __init__(self, *args):  # 重写了构造函数
    def _get_item_by_idx(self, iterator, idx):
    def __getitem__(self, idx):
    def __setitem__(self, idx, module):
    def __delitem__(self, idx):
    def __len__(self):
    def __dir__(self):
    def forward(self, input):  # 重写关键方法forward

Sequential类不同的实现（3种实现）

实现一：

import torch.nn as nn

model = nn.Sequential(
    nn.Conv2d(in_channels=1,out_channels=32,kernel_size=3),
    nn.ReLU(),
    nn.Conv2d(in_channels=32,out_channels=64,kernel_size=3),
    nn.ReLU()
)
print("运行结果为:")
print(model)
print(model[0])

'''
运行结果为:
Sequential(
  (0): Conv2d(1, 32, kernel_size=(3, 3), stride=(1, 1))
  (1): ReLU()
  (2): Conv2d(32, 64, kernel_size=(3, 3), stride=(1, 1))
  (3): ReLU()
)
Conv2d(1, 32, kernel_size=(3, 3), stride=(1, 1))
'''

注意：上面实现上存在一个问题，每一个层是没有名称，默认的是以0、1、2、3来命名，从上面的运行结果也可以看出。

实现二：

import torch.nn as nn
from collections import OrderedDict

model = nn.Sequential(OrderedDict([
    ('conv1', nn.Conv2d(in_channels=1,out_channels=32,kernel_size=3)),
    ('relu1', nn.ReLU()),
    ('conv2', nn.Conv2d(in_channels=32,out_channels=64,kernel_size=3)),
    ('relu2', nn.ReLU())])
)

print("运行结果为:")
print(model)
print(model[2])

'''
运行结果为:
Sequential(
  (conv1): Conv2d(1, 32, kernel_size=(3, 3), stride=(1, 1))
  (relu1): ReLU()
  (conv2): Conv2d(32, 64, kernel_size=(3, 3), stride=(1, 1))
  (relu2): ReLU()
)
Conv2d(32, 64, kernel_size=(3, 3), stride=(1, 1))
'''

注意：从结果中可以看出，虽然每一个层都有了自己的名称，但是并不能够通过名称直接获取层，依然只能通过索引index，即

model[2] 是正确的

model["conv2"] 是错误的

这其实是由它的定义实现的，看上面的Sequenrial定义可知，只支持index访问。

 

实现三：

import torch.nn as nn

model = nn.Sequential()
model.add_module('conv1', nn.Conv2d(in_channels=1,out_channels=32,kernel_size=3))
model.add_module('relu1', nn.ReLU())
model.add_module('conv2', nn.Conv2d(in_channels=32,out_channels=64,kernel_size=3))
model.add_module('relu2', nn.ReLU())

print("运行结果为:")
print(model)
print(model[2])

'''
运行结果为:
Sequential(
  (conv1): Conv2d(1, 32, kernel_size=(3, 3), stride=(1, 1))
  (relu1): ReLU()
  (conv2): Conv2d(32, 64, kernel_size=(3, 3), stride=(1, 1))
  (relu2): ReLU()
)
Conv2d(32, 64, kernel_size=(3, 3), stride=(1, 1))
'''

实现三与keras做法类似，实际上Sequential类并没有定义add_module()方法，实际上这个方法是定义在它的父类Module，Sequential继承而来。