我正在使用pytorch，我做了一个简单的单操作符nn.module（model1）如下：
class conv(nn.Module):
def __init__(self):
conv1 = nn.Conv2d(1,20,5)
def forward(self,x):
return(conv1(x))
model1 = conv()
model1(input)我开始想知道它与torch.nn层本身有什么不同。
model2 = nn.Conv2d(1,20,5)
model2(input)model1(input)的行为与model2(input)相同吗？如果是，它们之间的区别是什么？
model3 = nn.Sequential(nn.Conv2d(1,20,5))
model2(input)如果区别来自于它的类属性，那么如果我这样定义model3呢？在任何意义上将model3视为model1都可以吗？
我试着调查他们的实际类，但我真的不知道他们是什么。
>>> type(model2)
<class 'torch.nn.modules.conv.Conv2d'>
>>> type(model3)
<class 'torch.nn.modules.container.Sequential'>
1条答案
按热度按时间umuewwlo1#
在你的问题中有两个因素我想回答。第一个是 Package 一个内置的
nn.Module的事实，第二个是为什么你会得到不同的结果。它们是相同的层，具有相同的属性。然而，使用自定义
nn.Module和nn.Sequential所做的是 Package 这些层（在编程意义上），换句话说，它不会改变底层本身。model1、model2和model3在相同的输入下会产生不同的结果，这是因为它们都是单独初始化的，因此它们的初始化权重是不同的！