pytorch中children()modules()，named_children()，named_modules()，named_parameters()，parameters()的使用

最新推荐文章于 2024-05-26 12:17:40 发布

qqyouhappy

最新推荐文章于 2024-05-26 12:17:40 发布

阅读量977

点赞数

分类专栏： pytorch 人工智能文章标签： pytorch

本文链接：https://blog.youkuaiyun.com/qqyouhappy/article/details/106222927

版权

本文介绍了PyTorch中nn.Module类的几个重要方法，包括children()、modules()、named_children()、named_modules()、named_parameters()和parameters()的使用。通过创建一个简单的卷积神经网络SimpleCNN，展示了这些方法如何遍历和访问网络的子模块及参数。例如，children()和modules()返回模块的迭代器，named_children()和named_modules()则提供了带有名称的模块迭代器，而named_parameters()和parameters()分别用于获取网络参数的命名迭代器和无名迭代器。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

class SimpleCNN(nn.Module):
def __init__(self):
super(SimpleCNN, self).__init__()
layer1 = nn.Sequential()
#class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
layer1.add_module('conv1', nn.Conv2d(3, 32, 3, 1, padding=1))#b, 32, 32,32 #输入数据体的深度;out channels 表示输出数据体的深度;
layer1.add_module('relu1', nn.ReLU(True))
layer1.add_module('pool1', nn.MaxPool2d(2,2))#b, 32, 16,16
self.layer1 = layer1

layer2 = nn.Sequential()
layer2.add_module('conv2', nn.Conv2d(32, 64, 3, 1, padding=1))#b, 64, 16,16
layer2.add_module('relu2', nn.ReLU(True))
layer2.add_module('pool2', nn.MaxPool2d(2,2))#b, 64, 8,8
self.layer2 = layer2

laye