Python之pytorch中的nn.Sequential(*net[3: 5])是啥意思
感兴趣的小伙伴,下面一起跟随php教程的雯雯来
这篇文章主要为大家详细介绍了Python之pytorch中的nn.Sequential(*net[3: 5])是啥意思,具有一定的参考价值,可以用来参考一下。
感兴趣的小伙伴,下面一起跟随php教程的雯雯来看看吧!
看到代码里面有这个
代码如下:
1 class ResNeXt101(nn.Module):
2 def __init__(self):
3 super(ResNeXt101, self).__init__()
4 net = resnext101()
# print(os.getcwd(), net)
5 net = list(net.children()) # net.children()得到resneXt 的表层网络
# for i, value in enumerate(net):
# print(i, value)
6 self.layer0 = nn.Sequential(net[:3]) # 将前三层打包0, 1, 2两层
print(self.layer0)
7 self.layer1 = nn.Sequential(*net[3: 5]) # 将3, 4两层打包
8 self.layer2 = net[5]
9 self.layer3 = net[6]
浅谈pytorch中的nn.Sequential(*net[3: 5])是啥意思
可以看到代码中的第六行(序号自己去掉,我打上去的) self.layer0 = nn.Sequential(net[:3])
和第七行self.layer1 = nn.Sequential(*net[3: 5])
有一个nn.Sequential(net[:3])
和nn.Sequential(*net[3: 5])
今天不讲nn.Sequential()
用法,意义,作用因为我也不咋明白。惊天就说*net[3: 5]
这个东西为啥要带“ * ”
当代码中不带*
的时候,运行会出现以下问题
意思就是列表不是子类,就是说参数不对
代码如下:
net = list(net.children())
浅谈pytorch中的nn.Sequential(*net[3: 5])是啥意思
这一行代码是将模型的每一层取出来构建一个列表,自己试着打印就可以。大概的输出就是[conv(),BatchNorm2d(), ReLU,MaxPool2d]
等等
总共是是个元素,和一般的列表不太一样。
当我们取net[:3]
的时候,传进去的参数是一个列表,但是我们用*net[:3]
的时候传进去的是单个元素
代码如下:
list1 = ["conv", ("relu", "maxing"), ("relu", "maxing", 3), 3]
list2 = [list1[:1]]
list3 = [*list1[:1]]
print("list2:{}, *list1[:2]:{}".format(list1[:1], *list1[:1]))
浅谈pytorch中的nn.Sequential(*net[3: 5])是啥意思
结果不带✳的是列表,带✳的是元素,所以nn.Sequential(*net[3: 5])
中的*net[3: 5]
就是给nn.Sequential()
这个容器中传入多个层。
到此这篇关于pytorch中的nn.Sequential(*net[3: 5])是啥意思的文章就介绍到这了,更多相关pytorch nn.Sequential(*net[3: 5])内容请搜索php教程以前的文章或继续浏览下面的相关文章希望大家以后多多支持php教程!
注:关于Python之pytorch中的nn.Sequential(*net[3: 5])是啥意思的内容就先介绍到这里,更多相关文章的可以留意