我正在尝试创建具有N层的前馈神经网络 假设我想要2个输入,3个隐藏,2个输出,然后把[2,3,2]传递给神经网络类,神经网络模型就会建立起来,如果我想要[10010001000,2] 在这个例子中,100是输入,两个隐藏层包含1000个神经元和2个输出,所以我想要完全连接的神经网络,我只想传递一个包含每层神经元数量的列表。 为此,我编写了以下代码
class FeedforwardNeuralNetModel(nn.Module):
def __init__(self, layers):
super(FeedforwardNeuralNetModel, self).__init__()
self.fc=[]
self.sigmoid=[]
self.activationValue = []
self.layers = layers
for i in range(len(layers)-1):
self.fc.append(nn.Linear(layers[i],layers[i+1]))
self.sigmoid.append(nn.Sigmoid())
def forward(self, x):
out=x
for i in range(len(self.fc)):
out=self.fc[i](out)
out = self.sigmoid[i](out)
return out
当我试着用它的时候,我发现它是一个空模型
model=FeedforwardNeuralNetModel([3,5,10,2])
print(model)
>>FeedforwardNeuralNetModel()
当我使用以下代码时
class FeedforwardNeuralNetModel(nn.Module):
def __init__(self, input_dim, hidden_dim, output_dim):
super(FeedforwardNeuralNetModel, self).__init__()
# Linear function
self.fc1 = nn.Linear(input_dim, hidden_dim)
# Non-linearity
self.tanh = nn.Tanh()
# Linear function (readout)
self.fc2 = nn.Linear(hidden_dim, output_dim)
def forward(self, x):
# Linear function
out = self.fc1(x)
# Non-linearity
out = self.tanh(out)
# Linear function (readout)
out = self.fc2(out)
return out
当我试着打印这个模型时,我发现如下结果
print(model)
>>FeedforwardNeuralNetModel(
(fc1): Linear(in_features=3, out_features=5, bias=True)
(sigmoid): Sigmoid()
(fc2): Linear(in_features=5, out_features=10, bias=True)
)
在我的代码中,我只是创建列表,这就是区别所在 我只是想了解为什么在torch中列出模型组件是没有用的?你知道吗
如果执行
print(FeedForwardNetModel([1,2,3])
,则会出现以下错误AttributeError: 'FeedforwardNeuralNetModel' object has no attribute '_modules'
这基本上意味着对象不能识别您声明的模块。你知道吗
为什么会这样?你知道吗
目前,模块是在
self.fc
中声明的,也就是list
,因此torch无法知道它是否是一个模型,除非它做了一个deep search
,这是坏的和低效的。你知道吗我们如何让torch知道
self.fc
是一个模块列表?你知道吗通过使用
nn.ModuleList
(参见下面修改的代码)。ModuleList和ModuleDict分别是python列表和字典,但是它们告诉torch list/dict包含一个nn模块。你知道吗相关问题 更多 >
编程相关推荐