PyTorch之模型定义

模型定义方法

我们通常采用:Sequential,ModuleList和ModuleDict

对比分析如下:

Sequential适用于快速验证结果,因为已经明确了要用哪些层。

ModuleList和ModuleDict在某个完全相同的层需要重复出现多次时,非常方便实现,可以”一行顶多行“,但计算结果是需在类中添加forward_。

当我们需要之前层的信息的时候,比如 ResNets 中的残差计算,当前层的结果需要和之前层中的结果进行融合,一般使用 ModuleList/ModuleDict 比较方便。

搭建复杂网络

此处利用U-Net搭建复杂网络:

PyTorch之模型定义_第1张图片

更加具体的Tips如下所示:

PyTorch之模型定义_第2张图片

 PyTorch之模型定义_第3张图片

 

你可能感兴趣的:(大数据,pytorch,人工智能,深度学习,机器学习)