Pytorch 容器 - 2. Module的属性访问 modules(), children(), parameters(), buffers()等

目录

1. modules() 和 named_modules()

2. children() 和 named_children()

3. parameters() 和 named_parameters()

4. buffers() 和 named_buffers()

Module类内置了很多函数，其中本文主要介绍常用的属性访问函数，包括： modules(), named_modules(), buffers(), named_buffers(), children(),  named_children(),  parameters(), named_parameters()。官方文档 Module — PyTorch 1.7.0 documentation

示例代码均使用如下：

class Net(nn.Module):
    def __init__(self, num_class=10):
        super().__init__()
        self.features = nn.Sequential(
            nn.Conv2d(in_channels=6, out_channels=9, kernel_size=3),
            nn.BatchNorm2d(9),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=2, stride=2)
        )

        self.classifier = nn.Sequential(
            nn.Linear(9 * 8 * 8, 128),
            nn.ReLU(inplace=True),
            nn.Dropout(),
            nn.Linear(128, num_class)
        )

    def forward(self, x):
        output = self.features(x)
        output = output.view(output.size()[0], -1)
        output = self.classifier(output)
        return output


model = Net()

1. modules() 和 named_modules()

【相同点】均返回Module类中的所有子层(子类)，返回类型为生成器(可以遍历访问)

【不同点】modules()仅返回子类，named_modules()返回子类和对应的名字

 示例1：model.modules() 会遍历并返回模型中所有的nn.Module子类对象，包括model自身(因为model也是继承Module), self.features, self.classifier(Sequential继承Module类)，以及Conv，MaxPool，ReLU, Linear, BN, Dropout等都是nn.Module子类。

for item in model.modules():
    print(item)


#Net(
#   (features): Sequential(
#     (0): Conv2d(6, 9, kernel_size=(3, 3), stride=(1, 1))
#     (1): BatchNorm2d(9, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
#     (2): ReLU(inplace=True)
#     (3): MaxPool2d(kernel