PyTorchモデル構築

いくつかのモデル構築記録方式：

継承され`Module`たクラス構造モデル

Module私たちは、継承を介して取得する必要があるモデルは、通常、我々はオーバーライドする必要があるすべてのニューラルネットワークモジュール、基本クラスであるModuleのクラスの__init__機能とforward関数が。

例

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))

使用`Module`サブクラス

Pytorchでから継承実現にModule缶に容易がある、モデルクラスを構築しSequential、ModuleList、ModuleDictなど

使用Sequential

各系列を計算するために、前者のモデルは、単純な層として算出される場合、Sequentialクラスは、より簡単な方法モデルで定義することができます。これは、Sequentialクラスのオブジェクト：それは辞書（OrderedDict）個別にパラメータとして追加サブモジュール又はサブモジュールの一連の順序付けられた受信することができModule、例えば、前者のモデルは、計算に追加するために、これらの例のいずれかによって計算されます。

ここと達成Sequential同様の機能のMySequentialクラスを

class MySequential(nn.Module):
from collections import OrderedDict
def __init__(self, *args):
    super(MySequential, self).__init__()
    if len(args) == 1 and isinstance(args[0], OrderedDict): # 如果传入的是一个OrderedDict
        for key, module in args[0].items():
            self.add_module(key, module)  # add_module方法会将module添加进self._modules(一个OrderedDict)
    else:  # 传入的是一些Module
        for idx, module in enumerate(args):
            self.add_module(str(idx), module)
def forward(self, input):
    # self._modules返回一个 OrderedDict，保证会按照成员添加时的顺序遍历成员
    for module in self._modules.values():
        input = module(input)
    return input

使用ModuleList

リスト内のサブモジュール（list）のうち
ModuleListのPythonリストと同じルーチンを実行することができappend()、extend()いくつか存在することを除いて、操作ModuleListのすべてのモジュールのパラメータが自動的にネットワーク全体に追加されます

例
```
net = nn.ModuleList([nn.Linear(784, 256), nn.ReLU()])
net.append(nn.Linear(256, 10)) # # 类似List的append操作
print(net[-1])  # 类似List的索引访问
print(net)
```
にもかかわらずSequentialとModuleListネットワーク設定のリストされているが、2つの違いがあります。ModuleList店舗の様々なモジュールのリストだけが、そここれらのモジュール間の接続は、（隣り合う入出力寸法整合層を保証するものではない）は、オーダーされていない、およびno実装forwardの機能を（実装する必要があります）。Sequential順番に必要内のモジュールは、入力と出力の大きさは、隣接する層に一致することを確実にするために、内部forward機能が達成されました。

ModuleList外観はフロントの伝播を定義するためのネットワークより柔軟に行うことができます。
```
class MyModule(nn.Module):
def __init__(self):
    super(MyModule, self).__init__()
    self.linears = nn.ModuleList([nn.Linear(10, 10) for i in range(10)])

def forward(self, x):
    # ModuleList can act as an iterable, or be indexed using ints
    for i, l in enumerate(self.linears):
        x = self.linears[i // 2](x) + l(x)
    return x
```
使用ModuleDict
ModuleDictアクセス動作が辞書と同様に実行することができる追加し、入力としてサブモジュール辞書を受信し、そして：
```
net = nn.ModuleDict({
'linear': nn.Linear(784, 256),
'act': nn.ReLU(),
})
net['output'] = nn.Linear(256, 10) # 添加
print(net['linear']) # 访问
print(net.output)
print(net)
# net(torch.zeros(1, 784)) # 会报NotImplementedError
```
そしてModuleList、の使用ModuleDictと同じ必要が時に定義しますforward

参考：

継承されModuleたクラス構造モデル

使用Moduleサブクラス

おすすめ

継承され`Module`たクラス構造モデル

使用`Module`サブクラス