如何详细构建PyTorch模型容器结合AlexNet的示例？

本文共计1989个文字，预计阅读时间需要8分钟。

目录 + 模型容器与AlexNet构建 + nn.Sequential + 总结 + nn.ModuleList + nn.ModuleDict + 容器总结 + AlexNet实现 + 模型容器与AlexNet构建 + 文章和代码已归档至[GitHub仓库](https://github.com/timerring/dive-into-AI)

目录

• 模型容器与AlexNet构建
• nn.Sequetial
• 总结
• nn.ModuleList
• nn.ModuleDict
• 容器总结
• AlexNet实现

模型容器与AlexNet构建

文章和代码已经归档至

除了上述的模块之外，还有一个重要的概念是模型容器 (Containers)，常用的容器有 3 个，这些容器都是继承自nn.Module。

• nn.Sequetial：按照顺序包装多个网络层
• nn.ModuleList：像 python 的 list 一样包装多个网络层，可以迭代
• nn.ModuleDict：像 python 的 dict 一样包装多个网络层，通过 (key, value) 的方式为每个网络层指定名称。

nn.Sequetial

深度学习中，特征提取和分类器这两步被融合到了一个神经网络中。在卷积神经网络中，前面的卷积层以及池化层可以认为是特征提取部分，而后面的全连接层可以认为是分类器部分。比如 LeNet 就可以分为特征提取和分类器两部分，这 2 部分都可以分别使用nn.Seuqtial来包装。