深度学习基础--模型构造

àì夳堔傛蜴生んèń 2022-09-16 14:22 187阅读 0赞

## 深度学习基础–模型构造 ##

最近在阅读一本书籍–Dive-into-DL-Pytorch（动手学深度学习），链接：[https://github.com/newmonkey/Dive-into-DL-PyTorch][https_github.com_newmonkey_Dive-into-DL-PyTorch]，自身觉得受益匪浅，在此记录下自己的学习历程。

本篇主要记录模型构造的几种方法：

*  Module类（基类）
 *  Sequential类
 *  ModuleList类
 *  ModuleDict类

我们以MLP多层感知机（含单隐藏层与两个全连接层）为例，构造模型。  
首先导入需要的包

import torch
    from torch import nn

#### Module类（基类） ####

Module 类是 nn 模块里提供的⼀个模型构造类，是所有神经网络模块的基类，我们可以通过继承Module 类来定义我们的模型。

class MLP(nn.Module):
        # 创建模型参数
        def __init__(self, **kwargs):
            super(MLP, self).__init__(**kwargs)
            self.hidden = nn.Linear(784, 256) # 隐藏层
            self.act = nn.ReLU()
            self.output = nn.Linear(256, 10) # 输出层
     
        # 定义模型的前向计算（正向传播）
        def forward(self, x):
            a = self.act(self.hidden(x))
            b = self.output(a)
            return b
    
    #实例化MLP类得到模型变量net
    net = MLP()
    print(net)
    
    '''输出结果
    MLP(
      (hidden): Linear(in_features=784, out_features=256, bias=True)
      (act): ReLU()
      (output): Linear(in_features=256, out_features=10, bias=True)
    )
    '''

#### Sequential类 ####

Sequential类是Module类的子类。Sequential 类可以通过接收⼀个子模块的有序字典（OrderedDict）或者⼀系列⼦模块作为参数来逐⼀添加 Module 的实例，而模型的前向计算就是将这些实例按添加的顺序逐⼀计算。

net = nn.Sequential(
        nn.Linear(784, 256),
        nn.ReLU(),
        nn.Linear(256, 10),
    )
    
    print(net)
    
    '''输出结果
    Sequential(
      (0): Linear(in_features=784, out_features=256, bias=True)
      (1): ReLU()
      (2): Linear(in_features=256, out_features=10, bias=True)
    )
    '''

#### ModuleList类 ####

ModuleList 类是Module类的子类。ModuleList 类接收⼀个子模块的列表作为输⼊，然后也可以类似List那样进行append和extend操作。

net = nn.ModuleList([
        nn.Linear(784, 256), 
        nn.ReLU()
    ])
    net.append(nn.Linear(256, 10)) # # 类似List的append操作
    
    print(net)
    
    '''输出结果
    ModuleList(
      (0): Linear(in_features=784, out_features=256, bias=True)
      (1): ReLU()
      (2): Linear(in_features=256, out_features=10, bias=True)
    )
    '''

#### ModuleDict类 ####

ModuleDict 类是Module类的子类。ModuleDict 接收⼀个子模块的字典作为输⼊, 然后也可以类似字典那样进行添加访问操作。

net = nn.ModuleDict({
        
     'linear': nn.Linear(784, 256),
     'act': nn.ReLU(),
    })
    net['output'] = nn.Linear(256, 10) # 添加
    
    print(net)
    
    '''输出结果
    ModuleDict(
      (act): ReLU()
      (linear): Linear(in_features=784, out_features=256, bias=True)
      (output): Linear(in_features=256, out_features=10, bias=True)
    )
    '''

优点总结：上面介绍的Sequential类、ModuleList类、ModuleDict类的好处是可以使模型构造更加简单，且不需要定义 forward 函数。而直接继承 Module类的好处是可以极大地拓展模型构造的灵活性。

[https_github.com_newmonkey_Dive-into-DL-PyTorch]: https://github.com/newmonkey/Dive-into-DL-PyTorch