Pytorch 学习笔记 nn.ModuleList与nn.Sequential

Pytorch 学习笔记 nn.ModuleList与nn.Sequential

nn.Sequential是Module的子类，在构建若干个网络层之后，由于其内部已经封装好了forward函数，可以直接调用forward方法。

nn.ModuleList也是Module的子类，类似于python中的列表，构建的过程相当于将一系列层装入了这个list，但不管ModuleList包裹了多少个层，内嵌的所有层都要是可迭代的Module的子类。由于其内部并没有封装forward函数，需要网络结构独立构建forward函数，在forward函数中可以引用ModuleList的成员。
当使用ModuleList包裹各个层之后，可以像python里的list一样对模型的各个层进行索引，同时这些层的参数将会被自动注册，这些层的参数只有被正确注册之后，优化器才能发现和训练这些参数。

以MAE中编码器的Block定义为例

		 # 定义编码器的transformer block，使用的是timm库里面封装好的block
        self.blocks = nn.ModuleList([
            Block(embed_dim, num_heads, mlp_ratio, qkv_bias=True, norm_layer=norm_layer)
            for i in range(depth)])
        
        def forward_encoder(self, x, mask_ratio):
        # apply Transformer blocks
        for blk in self.blocks:
            x = blk(x)
        x = self.norm(x)
        # 得到encoder的输出
        return x, mask, ids_restore

参考：
https://blog.csdn.net/xiaojiajia007/article/details/82118559
https://blog.csdn.net/yangwangnndd/article/details/95074331