看到代碼里面有這個
1 class ResNeXt101(nn.Module):
2 def __init__(self):
3 super(ResNeXt101, self).__init__()
4 net = resnext101()
# print(os.getcwd(), net)
5 net = list(net.children()) # net.children()得到resneXt 的表層網絡
# for i, value in enumerate(net):
# print(i, value)
6 self.layer0 = nn.Sequential(net[:3]) # 將前三層打包0， 1， 2兩層
print(self.layer0)
7 self.layer1 = nn.Sequential(*net[3: 5]) # 將3, 4兩層打包
8 self.layer2 = net[5]
9 self.layer3 = net[6]
可以看到代碼中的第六行（序號自己去掉，我打上去的） self.layer0 = nn.Sequential(net[:3])和
第七行self.layer1 = nn.Sequential(*net[3: 5])
有一個nn.Sequential(net[:3])
和nn.Sequential(*net[3: 5])
今天不講nn.Sequential（）用法，意義，作用因為我也不咋明白。驚天就說*net[3: 5]這個東西為啥要帶“ * ”
當代碼中不帶*的時候，運行會出現以下問題
意思就是列表不是子類，就是說參數不對
net = list(net.children())
這一行代碼是將模型的每一層取出來構建一個列表，自己試著打印就可以。大概的輸出就是[conv()，BatchNorm2d()， ReLU，MaxPool2d]等等
總共是是個元素，和一般的列表不太一樣。
當我們取net[:3]的時候，傳進去的參數是一個列表，但是我們用*net[:3]的時候傳進去的是單個元素
list1 = ["conv", ("relu", "maxing"), ("relu", "maxing", 3), 3]
list2 = [list1[:1]]
list3 = [*list1[:1]]
print("list2:{}, *list1[:2]:{}".format(list1[:1], *list1[:1]))
結果不帶✳的是列表，帶✳的是元素，所以nn.Sequential(*net[3: 5])中的*net[3: 5]就是給nn.Sequential()這個容器中傳入多個層。
到此這篇關于pytorch中的nn.Sequential(*net[3: 5])是啥意思的文章就介紹到這了,更多相關pytorch nn.Sequential(*net[3: 5])內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- pytorch_detach 切斷網絡反傳方式
- pytorch 禁止/允許計算局部梯度的操作
- 如何利用Pytorch計算三角函數
- 聊聊PyTorch中eval和no_grad的關系
- Pytorch實現圖像識別之數字識別(附詳細注釋)
- Pytorch實現全連接層的操作
- pytorch 優化器(optim)不同參數組,不同學習率設置的操作
- PyTorch 如何將CIFAR100數據按類標歸類保存
- PyTorch的Debug指南
- Python深度學習之使用Pytorch搭建ShuffleNetv2
- win10系統配置GPU版本Pytorch的詳細教程
- pytorch visdom安裝開啟及使用方法
- PyTorch CUDA環境配置及安裝的步驟(圖文教程)
- pytorch中的nn.ZeroPad2d()零填充函數實例詳解
- 使用pytorch實現線性回歸
- pytorch實現線性回歸以及多元回歸
- PyTorch學習之軟件準備與基本操作總結
