PyTorch - Sequential和ModuleList

module.py

Module Class，继承于torch.nn.Module

• train()函数：train(mode=True)，当前self.training=True，所有子模块children，都设置training=True

  • __init__，设置self.training参数，子类会使用training参数

  • Dropout源码，Dropout -> _DropoutNd -> Module、BatchNorm源码，都使用training模式

    • BN: Buffers are only updated if they are to be tracked and we are in training mode.
      1

  • super(_DropoutNd, self).__init__()

• eval()函数：train(mode=Fale)

• requires_grad_()：当前模型的所有参数，module的函数，和parameter的函数，参数计算梯度

• zero_grad()：调用优化器的zero_grad()，将所有的参数的梯度都清0，避免梯度累积，优化器设置zero_grad，不需要调用模型

• __repr__()：魔法函数，string的表示，名称+模块描述

• __dir__()：attrs、parameters、modules、buffers、keys，返回所有键值

module.py，Module Class的源码

container.py

• Container已经过期
• Sequential(Module)，有序的，直接传入Module的实例，或传入OrderedDict()，包含键值，最常用。
• 或者传入键值，或者键值为默认idx递增序列

s = torch.nn.Sequential(torch.nn.Linear(2,3), torch.nn.Linear(3,4))
s._modules
OrderedDict([('0', Linear(in_features=2, out_features=3, bias=True)),
             ('1', Linear(in_features=3, out_features=4, bias=True))])
1
2
3
4

• forward()，input输入module，输出input，循环连续处理input
• ModuleList(Module)，所有子module都放在list中，存放module的列表
• 将modules添加到ModuleList中，insert或append函数，比list拥有更多的module父类的方法
• ModuleDict(Module)，可以通过key去访问不同的module，本身是一个dict，又是一个module，可以用于module的子module
• ParameterList(Module)，把parameter类型参数放入列表中，mm = matrix multiplication，矩阵乘法
• ParameterDict(Module)，同上
• Module <-> Parameter，都是container，容器，List和Dict只有存放，没有forward功能，只有Sequential包含forward功能