pytorch中的顺序容器——torch.nn.Sequential

最新推荐文章于 2025-07-13 18:25:58 发布

yuanCruise

最新推荐文章于 2025-07-13 18:25:58 发布

阅读量1.8k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： Pytorch

本文链接：https://blog.csdn.net/qiu931110/article/details/104254752

本文介绍了PyTorch中的顺序容器torch.nn.Sequential，包括其使用方式：作为顺序容器添加模块，使用OrderedDict参数，以及通过add_module函数插入模块。同时，对Sequential的源码进行了分析，探讨了初始化过程和forward函数的工作原理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.torch.nn.Sequential概要

pytorch官网对torch.nn.Sequential的描述如下。

使用方式：

# 写法一
net = nn.Sequential(
    nn.Linear(num_inputs, 1)
    # 此处还可以传入其他层
    )

# 写法二
net = nn.Sequential()
net.add_module('linear', nn.Linear(num_inputs, 1))
# net.add_module ......

# 写法三
from collections import OrderedDict
net = nn.Sequential(OrderedDict([
          ('linear', nn.Linear(num_inputs, 1))
          # ......
        ]))

方式一：
这是一个有顺序的容器，将特定神经网络模块按照在传入构造器的顺序依次被添加到计算图中执行。
方式二：
也可以将以特定神经网络模块为元素的有序字典（OrderedDict）为参数传入。
方式三：
也可以利用add_module函数将特定的神经网络模块插入到计算图中。add_module函数是神经网络模块的基础类（torch.nn.Module）中的方法，如下描述所示用于将子模块添加到现有模块中。