淺談pytorch中的nn.Sequential(*net[3: 5])是啥意思
看到代碼里面有這個(gè)
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(wǎng)絡(luò)
# 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(hào)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(gè)nn.Sequential(net[:3])
和nn.Sequential(*net[3: 5])
今天不講nn.Sequential（）用法，意義，作用因?yàn)槲乙膊徽γ靼?。驚天就說(shuō)*net[3: 5]這個(gè)東西為啥要帶“ * ”
當(dāng)代碼中不帶*的時(shí)候，運(yùn)行會(huì)出現(xiàn)以下問(wèn)題
意思就是列表不是子類，就是說(shuō)參數(shù)不對(duì)
net = list(net.children())
這一行代碼是將模型的每一層取出來(lái)構(gòu)建一個(gè)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(gè)元素，和一般的列表不太一樣。
當(dāng)我們?nèi)?code>net[:3]的時(shí)候，傳進(jìn)去的參數(shù)是一個(gè)列表，但是我們用*net[:3]的時(shí)候傳進(jìn)去的是單個(gè)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(jié)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(gè)容器中傳入多個(gè)層。
到此這篇關(guān)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(guān)pytorch nn.Sequential(*net[3: 5])內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
@符號(hào)用做函數(shù)的修飾符,可以在模塊或者類的定義層內(nèi)對(duì)函數(shù)進(jìn)行修飾,下面這篇文章主要給大家介紹了關(guān)于Python中@符號(hào)是什么意思的相關(guān)資料,需要的朋友可以參考下2021-09-09
Python實(shí)現(xiàn)希爾伯特變換(Hilbert transform)的示例代碼
希爾伯特變換（Hilbert transform）是一個(gè)對(duì)函數(shù)產(chǎn)生定義域相同的函數(shù)的線性算子，而且希爾伯特變換在信號(hào)處理中很重要，所以本文和大家分享了Python實(shí)現(xiàn)希爾伯特變換的代碼，需要的可以參考一下2023-04-04
這篇文章主要為大家介紹Python的arrow日期時(shí)間模塊，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來(lái)幫助2021-11-11
python中以函數(shù)作為參數(shù)(回調(diào)函數(shù))的實(shí)現(xiàn)方法
這篇文章主要介紹了python中以函數(shù)作為參數(shù)(回調(diào)函數(shù))的實(shí)現(xiàn)方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2023-01-01
這篇文章主要介紹了Python PSO算法處理TSP問(wèn)題，PSO粒子群算法是一種基于鳥(niǎo)類覓食開(kāi)發(fā)出來(lái)的優(yōu)化算法，它是從隨機(jī)解出發(fā)，通過(guò)迭代尋找最優(yōu)解，通過(guò)適應(yīng)度來(lái)評(píng)價(jià)解的品質(zhì)2022-11-11
這篇文章主要給大家介紹了關(guān)于Python排序函數(shù)使用的相關(guān)資料，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-12-12
Python異步與定時(shí)任務(wù)提高程序并發(fā)性和定時(shí)執(zhí)行效率
Python異步與定時(shí)任務(wù)是Python編程中常用的兩種技術(shù)，異步任務(wù)可用于高效處理I/O密集型任務(wù)，提高程序并發(fā)性；定時(shí)任務(wù)可用于定時(shí)執(zhí)行計(jì)劃任務(wù)，提高程序的執(zhí)行效率。這兩種技術(shù)的應(yīng)用有助于提升Python程序的性能和效率2023-05-05
Python自動(dòng)化辦公之讀取Excel數(shù)據(jù)的實(shí)現(xiàn)
這篇文章主要為大家詳細(xì)介紹了如何通過(guò)Python實(shí)現(xiàn)Excel數(shù)據(jù)的讀取，文中的示例代碼講解詳細(xì)，對(duì)我們學(xué)習(xí)有一定幫助，需要的可以參考一下2022-05-05
tensorflow之如何使用GPU而不是CPU問(wèn)題
這篇文章主要介紹了tensorflow之如何使用GPU而不是CPU問(wèn)題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2023-05-05
這篇文章主要介紹了淺談一下Python中閉包的作用,閉包特點(diǎn)是返回的函數(shù)還引用了外層函數(shù)的局部變量,所以,要正確使用閉包,就要確保引用的局部變量在函數(shù)返回后不能變,需要的朋友可以參考下2023-12-12