[英]How to write a PyTorch sequential model?
到目前为止,我在 Keras 中编写了我的 MLP、RNN 和 CNN,但现在 PyTorch 在深度学习社区中越来越受欢迎,所以我也开始学习这个框架。 我非常喜欢 Keras 中的序列模型,它使我们能够非常快速地制作简单的模型。 我也看到 PyTorch 有这个功能,但我不知道如何编码。 我试过这种方式
import torch
import torch.nn as nn
net = nn.Sequential()
net.add(nn.Linear(3, 4))
net.add(nn.Sigmoid())
net.add(nn.Linear(4, 1))
net.add(nn.Sigmoid())
net.float()
print(net)
但它给出了这个错误
AttributeError: 'Sequential' 对象没有属性 'add'
另外,如果可能的话,您能否给出 PyTorch 序列模型中 RNN 和 CNN 模型的简单示例?
Sequential
目前没有add
方法,尽管关于添加此功能存在一些争论。
正如您在文档中所nn.Sequential
将作为参数序列或OrderedDict
nn.Sequential
的层作为参数。
如果您的模型有很多层,您可以先创建一个列表,然后使用*
运算符将列表扩展为位置参数,如下所示:
layers = []
layers.append(nn.Linear(3, 4))
layers.append(nn.Sigmoid())
layers.append(nn.Linear(4, 1))
layers.append(nn.Sigmoid())
net = nn.Sequential(*layers)
这将导致您的代码结构与直接添加类似。
正如正确答案所描述的,这就是一系列参数:
device = torch.device('cpu')
if torch.cuda.is_available():
device = torch.device('cuda')
net = nn.Sequential(
nn.Linear(3, 4),
nn.Sigmoid(),
nn.Linear(4, 1),
nn.Sigmoid()
).to(device)
print(net)
Sequential(
(0): Linear(in_features=3, out_features=4, bias=True)
(1): Sigmoid()
(2): Linear(in_features=4, out_features=1, bias=True)
(3): Sigmoid()
)
正如nn.Sequential
所说nn.Sequential
没有add
方法。 我想也许你发现使用add
的代码可能有将torch.nn.Module.add
修改为torch.nn.Module.add
的函数的行:
def add_module(self,module):
self.add_module(str(len(self) + 1 ), module)
torch.nn.Module.add = add_module
完成此操作后,您可以将torch.nn.Module
添加到您在问题中发布的Sequential
中。
layerlist = []
for i in layers:
layerlist.append(nn.Linear(n_in, i)) # n_in input neurons connected to i number of output neurons
layerlist.append(nn.ReLU(inplace=True)) # Apply activation function - ReLU
layerlist.append(nn.BatchNorm1d(i)) # Apply batch normalization
layerlist.append(nn.Dropout(p)) # Apply dropout to prevent overfitting
n_in = i # Reassign number of input neurons as the number of neurons from previous last layer
# Establish the FCC between the last hidden layer and output layer
layerlist.append(nn.Linear(layers[-1], out_sz))
self.layers = nn.Sequential(*layerlist)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.