Fonction torch.nn.ModuleList de PyTorch

PyTorch torch.nn 参考手册Manuel de référence torch.nn de PyTorch

torch.nn.ModuleListC'est un conteneur dans PyTorch utilisé pour stocker une liste de modules.

Il est similaire à une liste Python, mais enregistre automatiquement tous les modules enfants.

Définition de fonction

torch.nn.ModuleList(modules=None)

Exemples d'utilisation

Exemple 1 : Utilisation de base

Exemple

import torch
import torch.nn as nn

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.layers = nn.ModuleList([
            nn.Linear(10, 20),
            nn.Linear(20, 20),
            nn.Linear(20, 5)
        ])

    def forward(self, x):
        for layer in self.layers:
            x = couche(x)
        return x

model = Net()
x = torch.randn(4, 10)
output = model(x)

print("Entrée :", x.shape)
print("Sortie :", output.shape)
print("Nombre de paramètres :", sum(p.numel() for p in model.parameters()))

Exemple 2 : Construction dynamique des couches

Exemple

import torch
import torch.nn as nn

class DynamicNet(nn.Module):
    def __init__(self, num_layers, dim):
        super(DynamicNet, self).__init__()
        self.layers = nn.ModuleList()
        for i in range(num_layers):
            in_dim = dim if i == 0 else dim
            self.layers.append(nn.Linear(in_dim, dim))

    def forward(self, x):
        for i, layer in enumerate(self.layers):
            x = couche(x)
            if i < len(self.layers) - 1:
                x = torch.relu(x)
        return x

model = DynamicNet(num_layers=5, dim=64)
print("Nombre de couches :", len(model.layers))
print("Nombre total de paramètres :", sum(p.numel() for p in model.parameters()))

Exemple 3 : Comparaison avec Sequential

Exemple

import torch
import torch.nn as nn

# ModuleList - Flexible
mlist = nn.ModuleList([nn.Linear(10, 20), nn.ReLU(), nn.Linear(20, 5)])

# Sequential - Ordre fixe
seq = nn.Sequential(nn.Linear(10, 20), nn.ReLU(), nn.Linear(20, 5))

print("Accès par index à ModuleList :", mlist[0])
print("Accès par index à Sequential :", seq[0])
print("nModuleList est itérable mais n'a pas de forward")
print("Sequential peut être appelé directement")

Cas d'utilisation

  • Réseaux multicouches: construction dynamique
  • Structures récurrentes: couches partagées
  • Modèles complexes: nécessitent un flux de contrôle personnalisé

Remarque : vous devez utiliser nn.ModuleList au lieu d'une liste Python.

PyTorch torch.nn 参考手册Manuel de référence torch.nn de PyTorch

Autres extensions