[pytorch]children,modules和parameters的区别和用法
children
children只获取最浅层的网络结构,相应的named_children则返回tuple的数据,tuple[0]是该层的名称,tuple[1]是相应的结构:
class Net4(torch.nn.Module):
def __init__(self):
super(Net4, self).__init__()
self.conv = torch.nn.Sequential(
OrderedDict(
[
("conv1", torch.nn.Conv2d(3, 32, 3, 1, 1)),
("relu1", torch.nn.ReLU()),
("pool1", torch.nn.MaxPool2d(2))
]
))
self.dense = torch.nn.Sequential(
OrderedDict([
("dense1", torch.nn.Linear(32 * 3 * 3, 128)),
("relu2", torch.nn.ReLU()),
("dense2", torch.nn

本文详细介绍了PyTorch中children, modules和parameters三种方法的使用区别与场景。通过具体示例,展示了如何利用这些方法来遍历神经网络结构,并解释了它们在模型初始化、参数加载等方面的应用。
最低0.47元/天 解锁文章
2385

被折叠的 条评论
为什么被折叠?



