pytorch add_module

不解不惑

于 2022-07-08 22:26:27 发布

阅读量1.2k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：深度学习文章标签： pytorch 深度学习人工智能

本文链接：https://blog.csdn.net/qq_24815615/article/details/125686997

深度学习专栏收录该内容

27 篇文章

订阅专栏

本文介绍了在PyTorch中如何使用nn.Sequential和nn.Module进行深度学习模型的构建。nn.Sequential允许顺序添加模块，如卷积层和激活函数，而nn.Module则可以通过类定义并添加子模块，便于管理和访问。两种方式都是构建复杂神经网络的有效方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在使用pytorch进行深度学习开发的时候，在一个模型的基础上进行模块的添加，可以使用add_module，可以采用nn.Sequential，也可以采用nn.Module。

（1）nn.Sequential()

import torch.nn as nn
 
model = nn.Sequential()
 
model.add_module("conv1", nn.Conv2d(1, 20, 5))
model.add_module('relu1', nn.ReLU())
model.add_module('conv2', nn.Conv2d(20, 64, 5))
model.add_module('relu2', nn.ReLU())

(2) nn.Module()

# 被添加的module可以通过 name 属性来获取。
 
import torch.nn as nn
class Model(nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.add_module("conv", nn.Conv2d(10, 20, 4))
        # self.conv = nn.Conv2d(10, 20, 4) 和上面这个增加module的方式等价
model = Model()
print(model.conv) # 通过name属性访问添加的子模块
print(model)

参考文献：

1.用torch.nn.Sequential()搭建神经网络模型