Pytorch学习4 nn.module容器

最新推荐文章于 2025-05-26 15:25:32 发布

一看就会，上手就废

最新推荐文章于 2025-05-26 15:25:32 发布

阅读量260

点赞数

分类专栏： Pytroch 文章标签： pytorch

本文链接：https://blog.youkuaiyun.com/weixin_46145616/article/details/106177621

版权

Pytroch 专栏收录该内容

4 篇文章

订阅专栏

本文详细介绍PyTorch中nn.Module容器的三种构建方法：Sequental、ModuleList和ModuleDict，以及它们在网络构建中的应用。通过LeNet实例，展示了如何使用Sequental容器简化网络层的连接，同时介绍了ModuleList的三种主要操作方法：append、extend和insert，以及ModuleDict的命名网络层特性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

nn.module中容器可以存储一段网络结构，方便重复使用。

容器一般有三种构建方法

nn.Sequetail :按顺序包装多个网络层
nn.Modulelist: 像python中list一样包装多个网络层，可以像列表一样迭代
nn.Muduledict: 像python中dict一样包装多个网络层，给每个网络层加上名称

# sequetail
class lenet_sequetail(nn.module):
	def __init__(self, classes):
		super(lenet_sequetail, self).__init__()
		self.features = nn.Sequetail(
		nn.Conv2d(3, 6, 5),
		nn.Relu(),
		nn.MaxPool2d(kernel_size = 2, stride = 2),
		nn.Conv2d(6, 16, 5),
		nn.Relu(),
		nn.MaxPool2d(kernel_size = 2, stride = 2),
		)
		self.classifier = nn.Sequetail(
		nn.Linear(16*5*5, 120),
		nn.Relu(),
		nn.linear(120, 84),
		nn.Rule()
		nn.Linear(84, classes),)
	def forward(self, x):
		x = self.feature(x)
		x = x.view(x.size()[0], -1)
		x = x.classifier(x)
		return x
		
	..................