nn包学习＜1＞（.module）

提示：2021.10.24.

• 前言
• • • pytorch，nn包的学习
• 一、两个基本结构：
• • • • **Containers(容器):**
    • add_module(name,module)
    • 加入super(A, self).__init__()时调用A的父类Root的属性和方法

1，parameter 参数
2，container 容器

第一个我不是很理解，我讲一下第二个吧

Module(模型）

Modules也可以包括其他Ｍodules，运行使用树结构来嵌入，可以将子模块给模型赋予属性，从下列看出，self.conv1 , self.conv2　是模型的子模型

import torch.nn as nn
import torch.nn.functional as F

class Model(nn.Module): 
    def __init__(self):
        super(Model, self).__init__()
        self.conv1 = nn.Conv2d(1, 20, 5)# submodule: Conv2d
        self.conv2 = nn.Conv2d(20, 20, 5)

    def forward(self, x):
       x = F.relu(self.conv1(x))
       return F.relu(self.conv2(x))

#super(MLP, self).__init__() 的含义:进行初始化

class MLP(nn.Module):
    def __init__(self, num_layers, input_dim, hidden_dim, output_dim):
        super(MLP, self).__init__()
 #意思很简单:先找到MLP的父类（这里是类nn.Module），然后把类MLP的对象self转换为类nn.Module的对象，然后“被转换”的类nn.Module对象调用自己的_init_函数

将子模块加入当前的模块中，被添加的模块可以name来获取

import torch.nn as nn
class Model(nn.Module): def __init__(self):
        super(Model, self).__init__()
        self.add_module("conv", nn.Conv2d(10, 20, 4))
        #self.conv = nn.Conv2d(10, 20, 4) 和上面这个增加module的方式等价
>> model = Model()
>> print(model.conv)
# Conv2d(10, 20, kernel_size=(4, 4), stride=(1, 1))

class Root(object):
    def __init__(self):
        self.x = '这是属性'

    def fun(self):
        print(self.x)
        print('这是方法')


class A(Root):  #继承上面root的类，所以他可以调用类root
    def __init__(self):
        super(A,self).__init__()
        print('实例化时执行')

#下面这三行代码就是用来执行上面信息的，不要以为是没有用的哦
test = A()  # 实例化类
test.fun()  # 调用方法
test.x  # 调用属性

# 输出结果：
实例化时执行
这是属性
这是方法