Pytorch 由多个不同的网络模型组合而成的大模型（用一个损失函数，和优化方法去训练）

给我一瓶AC钙

于 2020-11-30 19:50:54 发布

阅读量1.9w

点赞数 50

分类专栏： Python

本文链接：https://blog.youkuaiyun.com/TDD_Master/article/details/110401964

版权

本文介绍了如何构建一个包含多个子模型的复杂深度学习模型。通过定义Model_one和Model_two作为基本模块，然后在Model类中初始化并连接这些子模型，实现了模型的串联。每个子模型具有不同的隐藏层和激活函数，利用dropout防止过拟合。最终的Model类结合了这些子模型，通过forward函数协调内部工作流程，完成整个大模型的构建。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一开始写模型的时候，网上学习到的都是那种非常简单的模型，可是我要实现的模型是将多个模型套起来，一个大模型，一起训练。
其实只要先定义几个小模型，然后将其定义在大模型的init中，然后用forward来控制内部的运作即可，直接看代码把。

class Model_one(nn.Module):
    def __init__(self, n_input, n_output):
        super(Model_one, self).__init__()
        self.predict = nn.Linear(n_input, n_output, bias=False)

    def forward(self, x):
        out = self.predict(x)
        return out


class Model_two(nn.Module):
    def __init__(self, n_input, n_output):
        super(Model_two, self)

最低0.47元/天解锁文章