【torch.nn.Sequential】序列容器的介绍和使用

最新推荐文章于 2026-04-16 12:44:52 发布

原创

最新推荐文章于 2026-04-16 12:44:52 发布 · 6.1k 阅读

本文详细介绍了PyTorch中Sequential类的使用方法，包括以参数列表和字典方式实例化网络模型，展示了如何查看、修改及操作模型结构，并提供了丰富的示例代码。

文章目录

torch.nn.Sequential

torch.nn.Sequential

简单介绍

nn.Sequential是一个有序的容器，该类将按照传入构造器的顺序，依次创建相应的函数，并记录在Sequential类对象的数据结构中，同时以神经网络模块为元素的有序字典也可以作为传入参数。

因此，Sequential可以看成是有多个函数运算对象，串联成的神经网络，其返回的是Module类型的神经网络对象。
在这里插入图片描述

构建实例

参数列表

以参数列表的方式来实例化

print("利用系统提供的神经网络模型类：Sequential,以参数列表的方式来实例化神经网络模型对象")
# A sequential container. Modules will be added to it in the order they are passed in the constructor. 
# Example of using Sequential
model_c = nn.Sequential(
						nn.Linear(28*28, 32), 
						nn.ReLU(), 
						nn.Linear(32, 10), 
						nn.Softmax(dim=1)
					)
print(model_c)
 
print("\n显示网络模型参数")
print(model_c.parameters)
 
print("\n定义神经网络样本输入")
x_input = torch.randn(2, 28, 28, 1)
print(x_input.shape)
 
print("\n使用神经网络进行预测")
y_pred = model.forward(x_input.view(x_input.size()[0],-1))
print(y_pred)

利用系统提供的神经网络模型类：Sequential,以参数列表的方式来实例化神经网络模型对象
Sequential(
  (0): Linear(in_features=784, out_features=32, bias=True)
  (1): ReLU()
  (2): Linear(in_features=32, out_features=10, bias=True)
  (3): Softmax(dim=1)
)

显示网络模型参数
<bound method Module.parameters of Sequential(
  (0): Linear(in_features