北京飞雨网站建设公司,wordpress dokan,wow亚洲服有永久60级么,石家庄建站网页模板这个地方一直是我思考的地方#xff01;因为学的代码太多了#xff0c;构建的模型各有不同#xff0c;这里记录一下#xff01; 可以使用以下3种方式构建模型#xff1a;
1#xff0c;继承nn.Module基类构建自定义模型。
2#xff0c;使用nn.Sequential按层顺序构建模…这个地方一直是我思考的地方因为学的代码太多了构建的模型各有不同这里记录一下 可以使用以下3种方式构建模型
1继承nn.Module基类构建自定义模型。
2使用nn.Sequential按层顺序构建模型。
3继承nn.Module基类构建模型并辅助应用模型容器进行封装(nn.Sequential,nn.ModuleList,nn.ModuleDict)。
其中 第1种方式最为常见第2种方式最简单第3种方式最为灵活也较为复杂。
推荐使用第1种方式构建模型。
头文件
import torch
from torch import nn一继承nn.Module基类构建自定义模型
以下是继承nn.Module基类构建自定义模型的一个范例。模型中的用到的层一般在__init__函数中定义然后在forward方法中定义模型的正向传播逻辑。
class Net(nn.Module):def __init__(self):super(Net, self).__init__()self.conv1 nn.Conv2d(in_channels3,out_channels32,kernel_size 3)self.pool1 nn.MaxPool2d(kernel_size 2,stride 2)self.conv2 nn.Conv2d(in_channels32,out_channels64,kernel_size 5)self.pool2 nn.MaxPool2d(kernel_size 2,stride 2)self.dropout nn.Dropout2d(p 0.1)self.adaptive_pool nn.AdaptiveMaxPool2d((1,1))self.flatten nn.Flatten()self.linear1 nn.Linear(64,32)self.relu nn.ReLU()self.linear2 nn.Linear(32,1)self.sigmoid nn.Sigmoid()def forward(self,x):x self.conv1(x)x self.pool1(x)x self.conv2(x)x self.pool2(x)x self.dropout(x)x self.adaptive_pool(x)x self.flatten(x)x self.linear1(x)x self.relu(x)x self.linear2(x)y self.sigmoid(x)return ynet Net()
print(net)二使用nn.Sequential按层顺序构建模型
使用nn.Sequential按层顺序构建模型无需定义forward方法。仅仅适合于简单的模型。
以下是使用nn.Sequential搭建模型的一些等价方法。
1利用add_module方法
net nn.Sequential()
net.add_module(conv1,nn.Conv2d(in_channels3,out_channels32,kernel_size 3))
net.add_module(pool1,nn.MaxPool2d(kernel_size 2,stride 2))
net.add_module(conv2,nn.Conv2d(in_channels32,out_channels64,kernel_size 5))
net.add_module(pool2,nn.MaxPool2d(kernel_size 2,stride 2))
net.add_module(dropout,nn.Dropout2d(p 0.1))
net.add_module(adaptive_pool,nn.AdaptiveMaxPool2d((1,1)))
net.add_module(flatten,nn.Flatten())
net.add_module(linear1,nn.Linear(64,32))
net.add_module(relu,nn.ReLU())
net.add_module(linear2,nn.Linear(32,1))
net.add_module(sigmoid,nn.Sigmoid())print(net)2利用变长参数
这种方式构建时不能给每个层指定名称。
net nn.Sequential(nn.Conv2d(in_channels3,out_channels32,kernel_size 3),nn.MaxPool2d(kernel_size 2,stride 2),nn.Conv2d(in_channels32,out_channels64,kernel_size 5),nn.MaxPool2d(kernel_size 2,stride 2),nn.Dropout2d(p 0.1),nn.AdaptiveMaxPool2d((1,1)),nn.Flatten(),nn.Linear(64,32),nn.ReLU(),nn.Linear(32,1),nn.Sigmoid()
)print(net)3利用OrderedDict
from collections import OrderedDictnet nn.Sequential(OrderedDict([(conv1,nn.Conv2d(in_channels3,out_channels32,kernel_size 3)),(pool1,nn.MaxPool2d(kernel_size 2,stride 2)),(conv2,nn.Conv2d(in_channels32,out_channels64,kernel_size 5)),(pool2,nn.MaxPool2d(kernel_size 2,stride 2)),(dropout,nn.Dropout2d(p 0.1)),(adaptive_pool,nn.AdaptiveMaxPool2d((1,1))),(flatten,nn.Flatten()),(linear1,nn.Linear(64,32)),(relu,nn.ReLU()),(linear2,nn.Linear(32,1)),(sigmoid,nn.Sigmoid())]))
print(net)三继承nn.Module基类构建模型并辅助应用模型容器进行封装
当模型的结构比较复杂时我们可以应用模型容器(nn.Sequential,nn.ModuleList,nn.ModuleDict)对模型的部分结构进行封装。
这样做会让模型整体更加有层次感有时候也能减少代码量。
注意在下面的范例中我们每次仅仅使用一种模型容器但实际上这些模型容器的使用是非常灵活的可以在一个模型中任意组合任意嵌套使用。
1nn.Sequential作为模型容器
class Net(nn.Module):def __init__(self):super(Net, self).__init__()self.conv nn.Sequential(nn.Conv2d(in_channels3,out_channels32,kernel_size 3),nn.MaxPool2d(kernel_size 2,stride 2),nn.Conv2d(in_channels32,out_channels64,kernel_size 5),nn.MaxPool2d(kernel_size 2,stride 2),nn.Dropout2d(p 0.1),nn.AdaptiveMaxPool2d((1,1)))self.dense nn.Sequential(nn.Flatten(),nn.Linear(64,32),nn.ReLU(),nn.Linear(32,1),nn.Sigmoid())def forward(self,x):x self.conv(x)y self.dense(x)return y net Net()
print(net)2nn.ModuleList作为模型容器
class Net(nn.Module):def __init__(self):super(Net, self).__init__()self.layers nn.ModuleList([nn.Conv2d(in_channels3,out_channels32,kernel_size 3),nn.MaxPool2d(kernel_size 2,stride 2),nn.Conv2d(in_channels32,out_channels64,kernel_size 5),nn.MaxPool2d(kernel_size 2,stride 2),nn.Dropout2d(p 0.1),nn.AdaptiveMaxPool2d((1,1)),nn.Flatten(),nn.Linear(64,32),nn.ReLU(),nn.Linear(32,1),nn.Sigmoid()])def forward(self,x):for layer in self.layers:x layer(x)return x
net Net()
print(net)3nn.ModuleDict作为模型容器
注意下面中的ModuleDict不能用Python中的字典代替。
class Net(nn.Module):def __init__(self):super(Net, self).__init__()self.layers_dict nn.ModuleDict({conv1:nn.Conv2d(in_channels3,out_channels32,kernel_size 3),pool: nn.MaxPool2d(kernel_size 2,stride 2),conv2:nn.Conv2d(in_channels32,out_channels64,kernel_size 5),dropout: nn.Dropout2d(p 0.1),adaptive:nn.AdaptiveMaxPool2d((1,1)),flatten: nn.Flatten(),linear1: nn.Linear(64,32),relu:nn.ReLU(),linear2: nn.Linear(32,1),sigmoid: nn.Sigmoid()})def forward(self,x):layers [conv1,pool,conv2,pool,dropout,adaptive,flatten,linear1,relu,linear2,sigmoid]for layer in layers:x self.layers_dict[layer](x)return x
net Net()
print(net)
