pytorch-学习笔记-Sequential函数

Sequential这个函数很简单没啥要说的,我用两行代码解释可能比文字解释更直观

import torch
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential
from torch.utils.tensorboard import SummaryWriter


class NNet(nn.Module):
    def __init__(self):
        super(NNet, self).__init__()
        '''
        这些内容被下边的Sequential类,顺序连接模型给代替了,他们起的作用是一致的
        Sequential的作用就是连接模型的功能,使代码看起来更加整洁
        self.conv=Conv2d(in_channels=3,out_channels=32,kernel_size=5,padding=2,stride=1)
        self.maxpool=MaxPool2d(2)
        self.conv2=Conv2d(32,32,5,padding=2)
        self.maxpool2=MaxPool2d(2)
        self.conv3=Conv2d(32,64,5,padding=2)
        self.maxpool3=MaxPool2d(2)
        self.flatten=Flatten()
        self.linear=Linear(1024,64)
        self.linear2=Linear(64,10)#把图片的像素展开成一列
        '''
        self.model=Sequential(Conv2d(3,32,5,padding=2),
                                   MaxPool2d(2),
                                   Conv2d(32,32,5,padding=2),
                                   MaxPool2d(2),
                                   Conv2d(32,64,5,padding=2),
                                   MaxPool2d(2),
                                   Flatten(),
                                   Linear(1024,64),
                                   Linear(64, 10)
                                   )
        pass
    def forward(self,x):
        '''
        下边的这么些代码被self.model(x)给代替了
        x=self.conv(x)
        x=self.maxpool(x)
        x=self.conv2(x)
        x=self.maxpool2(x)
        x=self.conv3(x)
        x=self.maxpool3(x)
        x=self.flatten(x)
        x=self.linear(x)
        x=self.linear2(x)
        '''
        x=self.model(x)
        return x
    pass

以上就是最简单直观的解释了,什么意思呢?如果你不用这个函数,你要实例化每个神经元,然后依次传参,如果用这个函数的话,啥都不用管了,直接把神经元的的名字和参数再这里面写好,然后这个函数会自动的把你写的所有神经元依次连接起来,就是代替你的工作了,不需要你去逐个连接了

你可能感兴趣的:(pytorch学习笔记)