14、MODULE

Love The Way You Lie 2022-08-31 04:43 219阅读 0赞

CLASS torch.nn.Module

所有神经网络模块的基类。

你的模型也应该继承这个类。

模块还可以包含其他模块，允许将它们嵌套在树结构中。 您可以将子模块分配为常规属性：

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)
            self.conv2 = nn.Conv2d(20, 20, 5)
    
        def forward(self, x):
            x = F.relu(self.conv1(x))
            return F.relu(self.conv2(x))

以这种方式分配的子模块将被注册，并且当您调用 to() 等时，它们的参数也会被转换。

## Variables ##

training (bool) – 布尔值表示该模块是处于训练模式还是评估模式

## add\_module(name, module) ##

将子模块添加到当前模块。

可以使用给定名称将模块作为属性访问。

参数：

1、name (string) – 子模块的名称。 可以使用给定的名称从此模块访问子模块

2、module (Module) – 要添加到模块中的子模块。

## apply(fn) ##

将 fn 递归地应用于每个子模块（由 .children() 返回）以及 self。典型用途包括初始化模型的参数（另请参见 torch.nn.init）。

参数：

fn (Module -> None) – 应用于每个子模块的函数

返回值：

self

返回类型：

[Module][]

例子：

>>> @torch.no_grad()
    >>> def init_weights(m):
    >>>     print(m)
    >>>     if type(m) == nn.Linear:
    >>>         m.weight.fill_(1.0)
    >>>         print(m.weight)
    >>> net = nn.Sequential(nn.Linear(2, 2), nn.Linear(2, 2))
    >>> net.apply(init_weights)
    Linear(in_features=2, out_features=2, bias=True)
    Parameter containing:
    tensor([[ 1.,  1.],
            [ 1.,  1.]])
    Linear(in_features=2, out_features=2, bias=True)
    Parameter containing:
    tensor([[ 1.,  1.],
            [ 1.,  1.]])
    Sequential(
      (0): Linear(in_features=2, out_features=2, bias=True)
      (1): Linear(in_features=2, out_features=2, bias=True)
    )
    Sequential(
      (0): Linear(in_features=2, out_features=2, bias=True)
      (1): Linear(in_features=2, out_features=2, bias=True)
    )

## bfloat16() ##

将所有浮点参数和缓冲区转换为 bfloat16 数据类型。

此方法就地修改模块。

返回值：

self

返回类型：

Module

## buffers(recurse=True) ##

返回模块缓冲区上的迭代器。

参数：

recurse (bool) – 如果为 True，则生成此模块和所有子模块的缓冲区。 否则，仅产生作为该模块直接成员的缓冲区。

Yields：

*torch.Tensor* – module buffer

例子：

>>> for buf in model.buffers():
    >>>     print(type(buf), buf.size())
    <class 'torch.Tensor'> (20L,)
    <class 'torch.Tensor'> (20L, 1L, 5L, 5L)

## children() ##

返回直接子模块的迭代器。

Yields：

*Module* – a child module

## cpu() ##

将所有模型参数和缓冲区移动到 CPU。

此方法就地修改模块。

返回值：

self

返回类型：

Module

## cuda(device=None) ##