pytorch学习7-序列模型搭建

系列文章目录

1. pytorch学习1-数据加载以及Tensorboard可视化工具
2. pytorch学习2-Transforms主要方法使用
3. pytorch学习3-torchvisin和Dataloader的使用
4. pytorch学习4-简易卷积实现
5. pytorch学习5-最大池化层的使用
6. pytorch学习6-非线性变换（ReLU和sigmoid）
7. pytorch学习7-序列模型搭建
8. pytorch学习8-损失函数与反向传播
9. pytorch学习9-优化器学习
10. pytorch学习10-网络模型的保存和加载
11. pytorch学习11-完整的模型训练过程

---

---

一、不使用序列

class Mynn(nn.Module):
    #这是不使用序列的方法，比较繁琐
    def __init__(self):
        super(Mynn,self).__init__()
        self.conv1=Conv2d(3,32,5,padding=2)#在这里，是先有了确定的模型，也就是确定了输入以及输出的形状，那么这些参数都应该也是确定的。这个padding的大小，可以通过查阅官方函数文档，根据里面的公式计算出来。
        self.maxpool1=MaxPool2d(2)#池化核为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()#把数据展成一行
        self.linear1=Linear(1024,64)
        self.linear2=Linear(64,10)

    def forward(self,x):
        x=self.conv1(x)
        x=self.maxpool1(x)
        x=self.conv2(x)
        x=self.maxpool2(x)
        x=self.conv3(x)
        x=self.maxpool3(x)
        x=self.flatten(x)
        x=self.linear1(x)
        x=self.linear2(x)
        return x
    # 这是不使用序列的方法，比较繁琐

二、使用序列

class Mynn(nn.Module):
    #这是使用序列的方法：
    def __init__(self):
        super(Mynn,self).__init__()
        self.model1=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)
        )
    def forward(self,x):
        x=self.model1(x)
        return x
    # 这是使用序列的方法

总结

以上就是今天要讲的内容，使用和不使用序列的区别