溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
我就廢話不多說了，直接上代碼吧！
# -*- coding: utf-8 -*-
#@Time :2019/7/1 13:34
#@Author :XiaoMa
import torch as t
from torch import nn
#Sequential的三種寫法
net1=nn.Sequential()
net1.add_module('conv',nn.Conv2d(3,3,3)) #Conv2D(輸入通道數，輸出通道數，卷積核大小)
net1.add_module('batchnorm',nn.BatchNorm2d(3)) #BatchNorm2d(特征數)
net1.add_module('activation_layer',nn.ReLU())
net2=nn.Sequential(nn.Conv2d(3,3,3),
nn.BatchNorm2d(3),
nn.ReLU()
)
from collections import OrderedDict
net3=nn.Sequential(OrderedDict([
('conv1',nn.Conv2d(3,3,3)),
('bh2',nn.BatchNorm2d(3)),
('al',nn.ReLU())
]))
print('net1',net1)
print('net2',net2)
print('net3',net3)
#可根據名字或序號取出子module
print(net1.conv,net2[0],net3.conv1)
輸出結果：
net1 Sequential( (conv): Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1)) (batchnorm): BatchNorm2d(3, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True) (activation_layer): ReLU() ) net2 Sequential( (0): Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1)) (1): BatchNorm2d(3, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True) (2): ReLU() ) net3 Sequential( (conv1): Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1)) (bh2): BatchNorm2d(3, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True) (al): ReLU() ) Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1)) Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1)) Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1))
以上這篇pytorch實現特殊的Module--Sqeuential三種寫法就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
