nn.Module 和 nn.Sequential 有什么区别

Question

我只是作为初学者学习使用 PyTorch。 如果有人熟悉 PyTorch，你能告诉我nn.Module和nn.Sequential之间的区别吗？

我的问题是

1. 使用nn.Module代替nn.Sequential有什么好处？

2. 哪个经常用于构建模型？

3. 我们应该如何选择nn.Module或nn.Sequential ？

Answer 1

TLDR；<\/strong> 回答你的问题<\/strong>

1. 使用nn.Module<\/code>代替nn.Sequential<\/code>什么nn.Sequential<\/code> ？<\/li><\/ol><\/blockquote>

   虽然nn.Module<\/code>是实现 PyTorch 模型的基类，但nn.Sequential<\/code>是一种在现有nn.Module<\/code>内部或外部定义顺序神经网络结构的快速方法。

   哪个经常用于构建模型？<\/li><\/ol><\/blockquote>

   两者都被广泛使用。

   3. 我们应该如何选择nn.Module<\/code>或nn.Sequential<\/code> ？<\/li><\/ol><\/blockquote>

      所有的神经网络都是用nn.Module<\/code>实现的。 如果按顺序使用层（ self.layer3(self.layer2(self.layer1(x)))<\/code> ，您可以利用nn.Sequential<\/code>不必定义模型的forward<\/code>函数。

      ---

      我应该首先提到nn.Module<\/code><\/a>是nn.Module<\/code><\/a>中所有神经网络模块的基类。 因此nn.Sequential<\/code><\/a>实际上是nn.Sequential<\/code><\/a>的直接子类，您可以在这一行<\/a>中nn.Module<\/code>查找。

      在创建新的神经网络时，您通常会创建一个新类并从nn.Module<\/code>继承，并定义两个方法： __init__<\/code> nn.Module<\/code> __init__<\/code> （初始化程序，您定义层）和forward<\/code> （模块的推理代码，其中你使用你的图层）。 这就是您所需要的，因为 PyTorch 将使用Autograd<\/a>处理反向传递。 这是一个模块的示例：

      如果您定义的模型是顺序的，即<\/em>层在输入上被顺序调用，一个接一个。 然后，您可以简单地使用nn.Sequential<\/code> 。 正如我之前解释的， nn.Sequential<\/code>是一种特殊的nn.Module<\/code> ， nn.Module<\/code>为这种特别广泛的神经网络类型而设计。 这里的等价物是：
      或者更简单的说法是：
       nn.Sequential<\/code>的目标是快速实现顺序模块，这样您就不需要编写前向定义，因为这些层是在输出上按顺序调用的，所以它是隐式知道的。
      但是，在更复杂的模块中，您可能需要使用多个顺序子模块。 例如，以 CNN 分类器为例，您可以为 CNN 部分定义一个nn.Sequential<\/code> ，然后为模型的全连接分类器部分定义另一个nn.Sequential<\/code> 。